热点事件持续更新
研究团队提出多模态大模型细粒度遗忘框架CUSE
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月14日，研究人员在 arXiv 披露了针对多模态大语言模型的细粒度遗忘框架 CUSE。该框架通过构建反事实输入来分析 token 概率变化，从而精准定位需遗忘的目标信息。在具体实现上，CUSE 将冻结的原模型作为教师模型，并在当前策略采样的响应上，联合自蒸馏 token 级的遗忘与保留目标。基准测试显示，在 MLLMU-Bench 上，CUSE 实现了遗忘集 ROUGE-L 降低 33.6%，同时保留集 ROUGE-L 相比最强基线高出 1.2%。
AI 根据报道生成 · 2 小时前更新
最新进展10月14日 12:00
研究团队提出 CUSE 框架，通过反事实引导与自蒸馏实现多模态大模型细粒度遗忘。报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv 人工智能CUSE：基于反事实引导与策略内自蒸馏的细粒度多模态遗忘框架
研究人员提出多模态大语言模型细粒度遗忘框架 CUSE，通过构建反事实输入分析 token 概率变化，精准定位需遗忘的目标信息。该方法利用冻结的原模型作为教师模型，在当前策略采样的响应上联合自蒸馏 token 级的遗忘与保留目标。在 MLLMU-Bench 上，CUSE 使遗忘集 ROUGE-L 降低 33.6%，保留集 ROUGE-L 比最强基线高出 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。