实体
MLLMU-Bench
MLLMU-Bench
PulseAugur coverage of MLLMU-Bench — every cluster mentioning MLLMU-Bench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的MCU方法改进了多模态大语言模型的持续遗忘
研究人员开发了一种名为“持续遗忘合并”（MCU）的新方法，以解决在不损害其整体性能的情况下从多模态大语言模型（MLLMs）中移除特定信息的挑战。现有的单次遗忘方法在重复应用时会遇到困难，导致效用下降和知识保留问题。MCU将遗忘适配器动态合并为一个统一的适配器，将它们投影到共享空间以保留关键信息、抑制干扰并增强跨任务可迁移性。在ICU-Bench和MLLMU-Bench上的实验表明，MCU在有效遗忘数据的同时，能够保持保留的知识和通用的多模态能力。
-
研究人员分析多模态机器学习遗忘中的指标不可靠性
研究人员发现，当前用于评估视觉语言模型（VLM）机器学习遗忘的指标存在显著的不可靠性。对36个已遗忘的LLaVA-1.5-7B模型的分析显示，遗忘准确率（Forget Accuracy）和保留准确率（Retain Accuracy）等标准指标常常与激活距离（Activation Distance）和JS散度（JS divergence）等其他指标产生冲突。为解决此问题，研究人员开发了一种新的统一质量评分（UQS），该评分通过根据指标与…