arXiv cs.AI· Chenlu Ding, Jiancan Wu, Yanchen Luo, Tianyu Zhang, Yancheng Yuan, Xiang Wang, Xiangnan He·· 19 天前AI 评分34
CUSE：基于反事实引导与同策略自蒸馏的多模态细粒度遗忘框架
CUSE: Fine-Grained Multimodal Unlearning with Counterfactual Guidance and On-Policy Self-Distillation
AI 导读
研究人员提出针对多模态大语言模型（MLLMs）的细粒度遗忘框架 CUSE，通过反事实输入确定需遗忘的 token，并结合同策略自蒸馏联合优化遗忘与保留目标。该方法利用冻结的原模型作为教师模型，对当前策略采样的响应进行 token 级别蒸馏。在 MLLMU-Bench 评测中，CUSE 将遗忘集的 ROUGE-L 降低 33.6%，同时保留集 ROUGE-L 相比最强基线提升 1.2%。
来源：arXiv cs.AI · arxiv.org