PTP-U 提升大模型遗忘与保留权衡
热点事件持续更新
PTP-U 提升大模型遗忘与保留权衡
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Xunlei Chen 等作者提交论文，提出 Propose-Then-Project Unlearning（PTP-U）框架，用于大语言模型机器遗忘中的可恢复漂移问题。该框架先施加局部解析编辑削弱目标知识关联，再将非目标输出分布与原模型对齐，以在满足遗忘约束的同时恢复非目标能力。 论文称，在三个基准上，PTP-U 实现 81.22%-91.03% 的遗忘率，平均保留 94.20% 的非目标效用，并在同等遗忘水平下持续保持更高的非目标效用。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
PTP-U：大语言模型遗忘中的可恢复漂移报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv：cs.CLPTP-U：大语言模型遗忘中的可恢复漂移
研究人员提出 Propose-Then-Project Unlearning（PTP-U）框架，通过先施加局部解析编辑削弱目标知识关联，再将非目标输出分布与原模型对齐，在满足遗忘约束的同时恢复非目标能力。在三个基准上，PTP-U 实现 81.22%-91.03% 的遗忘率，平均保留 94.20% 的非目标效用，在同等遗忘水平下持续保持更高的非目标效用。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。