Skip to content
Hot storiesContinuously updated

研究者提出大语言模型可审计机器遗忘方法

1 reports1 reporting sourcesUpdated 8 hours ago

Start here

AI overview

2026年11月5日，研究人员针对大语言模型（LLM）机器遗忘提出“可审计性”评估维度及两阶段增强方法，用于提供数据已被删除的证据。该方案包含两项核心技术：一是用于拉大遗忘集与保留集审计统计差距的GapWiden，二是推理期的拒绝采样器GapVeil。在TOFU、MUSE和RWKU基准测试中，该方法使11种遗忘方法的可审计性均达到oracle水平，并同时改善了其中9种遗忘方法的保留性能。

AI-generated from reports · Updated 8 hours ago

Latest developmentsNov 5 13:00
研究者提出包含GapWiden与GapVeil的两阶段可审计遗忘方案，大幅提升审计水平并改善保留性能。

Report timeline

Follow the reports to see different sides of the story.

Nov 5
  1. arXiv 人工智能
    LLM 的可审计遗忘

    研究人员针对 LLM 机器遗忘提出“可审计性”评估维度及两阶段增强方法，用于提供数据已被删除的证据。该方案包含用于拉大遗忘集与保留集审计统计差距的 GapWiden，以及推理期拒绝采样器 GapVeil。在 TOFU、MUSE 和 RWKU 测试中，该方法使 11 种遗忘方法的可审计性均达到 oracle 水平，并改善了其中 9 种的保留性能。

Story heat trend

Current heat 8·Comparable peak 10（Nov 5 14:00）·Comparable change, last 24 hours–

02.557.510Nov5Nov5Nov5Nov5

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.