MLLMEraser提出多模态模型免训练遗忘方法

研究团队提出 MLLMEraser，一种基于激活引导的多模态大语言模型测试时遗忘框架，可在不更新模型参数的情况下，动态擦除模型对指定知识的记忆。该方法结合图像与文本之间的差异构建遗忘方向，并根据输入内容自适应调整引导时机和方式。 在 LLaVA-1.5 和 Qwen-2.5-VL 上的实验显示，MLLMEraser 的遗忘效果优于现有多模态模型遗忘基线，同时降低计算成本，并减少对模型保留知识的效用损失。该研究已被 NeurIPS 2026 接收。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。