REDaCT：推理模型无崩溃遗忘框架

Joshua Maccoby 与 Wendy Hui Wang 提出并公开了 REDaCT，一种面向大型推理模型（LRM）的推理时遗忘框架，论文被 EMNLP 2026 Findings 接收，代码已开源。 该方法先用二元泄露检测器定位推理链中泄露遗忘集信息的句子，再在推理时注入离线学习的纠错嵌入向量，引导后续推理避开泄露内容。作者称，实验显示 REDaCT 完全避免了推理崩塌，在保持答案与 CoT 近乎完美遗忘的同时，推理能力保留显著优于当时的 SOTA 遗忘方法。 需要说明的是，上述效果来自论文作者的实验与表述，代码开源可供复现验证。

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。