标签
本文识别了一个基本的稀疏-持久权衡，其中量化逆转了机器遗忘，并提出了MANSU方法，该方法结合因果电路归因和零空间投影，实现了量化不变的遗忘。
本文介绍了非对称朗之万遗忘（ALU），这是一种利用公共数据来改善机器遗忘中隐私-效用权衡的框架。研究表明，ALU 降低了遗忘成本，并在保持高模型效用的同时实现了大规模遗忘。
本论文引入注意力转移（Attention-Shifting, AS）框架，用于大语言模型的选择性机器遗忘，在有效移除敏感信息与防止幻觉和保持模型性能之间取得平衡。该方法采用重要性感知的注意力抑制和保留增强机制，在标准基准上相比现有遗忘方法实现了高达15%的准确度保持率提升。
CiPO是一种新颖的机器遗忘框架，用于大型推理模型，它利用迭代偏好优化和反事实推理轨迹，在保持推理能力的同时选择性移除不想要的知识。该方法通过生成逻辑上有效的替代推理路径，解决了依赖于链式思维推理的模型中的遗忘挑战。
# 论文页面 - 大型语言模型能否重塑基础算法？ 来源：[https://huggingface.co/papers/2604.05716](https://huggingface.co/papers/2604.05716) **在我们让 LLM“遗忘”之后，它们还能从零重塑 Dijkstra、Euclid 等基础算法吗？** 我们 loosely 将 Hassabis 的“爱因斯坦测试”搬到算法领域：先用“反学习”把目标算法从模型中抹去，再检验它能否独立重新发明。最新研究表明 LLM 具备这种潜力。