CUSE：多模态大模型细粒度遗忘框架
热点事件持续更新
CUSE：多模态大模型细粒度遗忘框架
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
研究者 Chenlu Ding 等人提出多模态大模型遗忘框架 CUSE，结合反事实引导与同策略自蒸馏。该框架先移除目标相关证据构建反事实输入，利用 token 概率变化定位需要更强遗忘的 token，再以冻结的原模型为教师，在当前策略采样的响应上蒸馏 token 级遗忘与保留目标。 据作者报告，在 MLLMU-Bench 上，CUSE 将遗忘集 ROUGE-L 降低 33.6%，保留集 ROUGE-L 比最强基线高 1.2%。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
CUSE：面向多模态大模型的细粒度遗忘框架，结合反事实引导与同策略自蒸馏报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.AICUSE：面向多模态大模型的细粒度遗忘框架，结合反事实引导与同策略自蒸馏
研究者提出多模态大模型遗忘框架 CUSE，通过移除目标相关证据构建反事实输入，利用 token 概率变化定位需要更强遗忘的 token，并以冻结的原模型为教师、在当前策略采样响应上蒸馏 token 级遗忘与保留目标。在 MLLMU-Bench 上，CUSE 将遗忘集 ROUGE-L 降低 33.6%，保留集 ROUGE-L 比最强基线高 1.2%。
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。