热点事件持续更新
研究团队提出大模型分层机器遗忘方法CoLU
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月19日，研究人员在 arXiv 提出针对大语言模型的置信度加权分层机器遗忘方法 CoLU。该方法通过更新单个 Transformer 层并结合置信度加权正则化，实现目标信息遗忘与保留能力之间的平衡。配合分层筛选机制 BLS 使用时，CoLU 的运行时间可缩短 60.2% 至 79.7%，平均 GPU 显存占用相比全模型遗忘降低 77.4% 至 79.5%。此外，该方法在 TOFU 及 MUSE 基准上均取得了领先的遗忘与知识保留表现。
AI 根据报道生成 · 4 小时前更新
最新进展10月19日 12:00
研究人员提出分层机器遗忘方法CoLU，大幅缩减运行时间与显存占用并取得基准领先表现。报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv 自然语言处理CoLU：面向大语言模型的置信度加权分层机器遗忘方法
研究人员提出针对大语言模型的置信度加权分层机器遗忘方法 CoLU，通过更新单个 Transformer 层并结合置信度加权正则化来实现目标信息遗忘与知识保留。配合分层筛选机制 BLS，CoLU 运行时间可缩短 60.2% 至 79.7%，平均 GPU 显存占用相比全模型遗忘降低 77.4% 至 79.5%。该方法在 TOFU 及 MUSE 基准上均取得领先的遗忘与保留表现。
本事件热度走势
当前热度 9·可比范围峰值 10（10月19日 13:00）·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。