研究者提出FASD多模态遗忘方法
热点事件持续更新
研究者提出FASD多模态遗忘方法
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Haodong Chen等作者提出多模态大模型遗忘方法 Forget-Aware Self-Distillation(FASD)。他们指出,现有遗忘评估只关注模型是否停止输出目标信息,因此将遗忘拆分为行为与知识两条通道:行为通道从被提示“无知”的自身副本中蒸馏拒答,并遮蔽目标 token 防止重新教会已遗忘概念;知识通道直接压制标准答案片段。 作者称实验显示,FASD 能成功遗忘目标知识、防止开放式任务信息泄露,并保持留存数据性能。代码和数据将在论文发表后发布。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
多模态大模型遗忘学习新方法 FASD:解耦知识遗忘与拒答学习报道时间线
沿着报道,了解事件的不同侧面。
10月15日
- arXiv cs.AI多模态大模型遗忘学习新方法 FASD:解耦知识遗忘与拒答学习
针对多模态大模型遗忘评估只关注是否停止输出目标信息的缺陷,研究者提出 Forget-Aware Self-Distillation(FASD),将遗忘拆分为行为与知识两条通道:行为通道从被提示"无知"的自身副本中蒸馏拒答,并遮蔽目标 token 防止重新教会已遗忘概念;知识通道直接压制标准答案片段。实验显示 FASD 能成功遗忘目标知识、防止开放式任务信息泄露,并保持留存数据性能。
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。