标签
一篇评论文章认为，AI模型从训练数据中获取危险知识，而像Anthropic和OpenAI这样的公司依赖容易破解的拒绝过滤器，而非真正移除有害能力，优先考虑速度而非安全。
本文认为，LLM中的遗忘应依赖于目标，提出了一种基于余弦的元学习RMU变体用于危险知识遗忘，以及一种结合探针方向的多层目标用于毒性遗忘，在四个7-8B模型上取得了显著效果。