热点事件持续更新
研究提出大模型可审计机器遗忘两阶段方案
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
2026年11月5日，研究团队针对大语言模型（LLM）机器遗忘引入“可审计性”作为第四评估维度。在TOFU、MUSE与RWKU上的评测显示，11种现有遗忘方法均无法同时满足全部四个评估维度。为此，研究团队提出了一项通用的两阶段方案，将基于hinge loss的GapWiden与推理期拒绝采样器GapVeil相结合。该方案成功使所有遗忘方法的审计性和抗泄漏能力达到oracle水平，遗忘表现收敛至oracle，并进一步提升了其中9种方法的能力保留表现。
AI 根据报道生成 · 6 小时前更新
最新进展11月5日 13:00
研究提出结合GapWiden与GapVeil的两阶段方案，提升大模型机器遗忘的可审计性与抗泄漏能力。报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.AI面向 LLM 的可审计机器遗忘
研究团队针对 LLM 机器遗忘引入可审计性作为第四评估维度，并在 TOFU、MUSE 与 RWKU 上证实 11 种现有方法均无法满足全部维度。为此团队提出通用的两阶段方案，结合基于 hinge loss 的 GapWiden 与推理期拒绝采样器 GapVeil。该方案使所有遗忘方法的审计性和抗泄漏能力达到 oracle 水平，遗忘表现收敛至 oracle，并提升了其中 9 种方法的能力保留表现。
本事件热度走势
当前热度 8·可比范围峰值 9（11月5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。