多模态机器遗忘评测基准GEMMU提出

Oscar Chew等作者发布论文，指出多模态大语言模型机器遗忘评估存在三大陷阱：缺少留出评估，无法区分真正的概念级遗忘与实例级过拟合；依赖合成微调知识而非预训练获得的真实知识；对不同遗忘方法套用相同训练设置导致不公平比较。作者据此提出基准GEMMU，称其基于真实知识与原则性评估协议构建，并用它重新评估代表性遗忘方法，报告出现显著泛化差距。该结果来自作者论文，尚待独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。