Knowledge Unlearning

新基准PRMU旨在解决多模态大语言模型中无语料库知识遗忘问题

研究人员推出了PRMU，这是一个旨在评估多模态大语言模型（MLLMs）中无语料库知识遗忘能力的新基准。该基准解决了在原始训练数据不可用的情况下，从MLLMs中移除特定与人相关的知识的挑战。PRMU包含多样化的文本和视觉探针、对抗性评估和局部性分析，以评估遗忘的有效性并保留相关信息。除了基准，研究团队还开发了相似性门控投影编辑（SGPE），这是一种轻量级的基线方法，在遗忘目标知识和保持通用效用之间展示了具有竞争力的权衡。