CUSE多模态遗忘框架论文发布

2026年10月14日，arXiv Artificial Intelligence 刊出 Chenlu Ding 等作者的论文，提出 CUSE——一个面向多模态大语言模型的反事实引导在线自蒸馏遗忘框架。该框架通过移除目标相关证据构造反事实输入，依据 token 概率变化定位需要更强遗忘的 token，再以冻结的原始模型为教师，结合遗忘与保留两类特权上下文，对当前策略采样响应做 token 级蒸馏。据该论文称，在 MLLMU-Bench 上，CUSE 将遗忘集 ROUGE-L 降低 33.6%，保留集 ROUGE-L 比最强基线高 1.2%。上述指标均为论文自报，且仅适用于 MLLMU-Bench 这一评测基准，尚不构成对其他数据集或场景的普遍结论。目前该事件仅有这一篇主报道，暂无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。