热点事件持续更新

研究人员提出大模型机器遗忘新方法SHIFT

1 篇报道1 个报道来源9 小时前更新

先了解这件事

AI 综述

2026年11月，arXiv发布的大模型遗忘研究提出新方法SHIFT。该方法通过向微调前权重收缩并短暂重学保留集，将前瞻变化外推为蒸馏目标，以此逼近重新训练的模型。在OpenUnlearning协议下对比11个基线模型的测试结果显示，SHIFT在所有TOFU设置中均取得最高综合评分，其oracle对齐度平均达到次优方法的3.7倍。此外，测试表明SHIFT在MUSE基准上保留了最多知识，并且在遭遇重学习攻击时仍能紧贴oracle。

AI 根据报道生成 · 5 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月3日

13:00
arXiv 机器学习
通过外推“收缩-修复”前瞻实现大模型遗忘
大模型遗忘方法 SHIFT 通过向微调前权重收缩并短暂重学保留集，将前瞻变化外推为蒸馏目标以逼近重训模型。在 OpenUnlearning 协议下对比 11 个基线，SHIFT 在所有 TOFU 设置中取得最高综合评分，oracle 对齐度平均达到次优方法的 3.7 倍。此外，该方法在 MUSE 上保留了最多知识，且在重学习攻击下仍能紧贴 oracle。

本事件热度走势

当前热度 8·可比范围峰值 9（11月3日 18:00）·近 24 小时可比范围变化–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。