属性级MLLM遗忘方法与AMU-Bench提出

Junkai Lin等作者提出属性级多模态大模型遗忘（attribute-level MLLM unlearning）任务，并构建基准AMU-Bench。该基准覆盖长文本、数值和短文本三类遗忘目标、多种遗忘比例及多种题型。 研究指出，在属性级遗忘中，目标属性与保留属性共享身份和视觉证据，因此容易出现残留泄漏与连带退化。作者同时提出CLRP框架以应对该任务。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。