多模态大模型属性级遗忘框架CLRP提出

2026年10月15日，arXiv Artificial Intelligence刊出Junkai Lin等作者的论文，针对多模态大语言模型（MLLMs）的敏感信息遗忘问题，提出属性级遗忘任务并构建AMU-Bench基准，覆盖长文本、数字、短文本目标及多种遗忘比例。论文提出CLRP（Causal Localization and Retain-Aware Projection）框架，据其描述为轻量、免训练（a lightweight, training-free framework），通过因果定位与保留感知投影实现选择性遗忘，且不修改模型参数（without modifying model parameters）。该报道为目前唯一来源，未出现与早先报道矛盾之处。上述“免训练、不修改参数”等条件仅适用于该论文所描述的CLRP框架，不推广至其他遗忘方法或操作。

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。