arXiv · cs.AI· Jialu Wang, Jianing Deng, Shuqing Luo, Yuanzhe Li, Dongwei Wang, Jingtong Hu, Huanrui Yang, Song Wang, Tianlong Chen·· 11 小时前
研究提出抗量化的大语言模型遗忘框架
Quantization-Robust Unlearning through the Lens of Retain-Forget Loss Landscapes Interaction
arXiv:2609.27355v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Jialu Wang, Jianing Deng, Shuqing Luo, Yuanzhe Li, Dongwei Wang, Jingtong Hu, Huanrui Yang, Song Wang, Tianlong Chen
研究任务与主要进展
该论文提出量化鲁棒的大语言模型遗忘框架，通过损失景观中的曲率识别敏感权重，使模型在量化后保持更强的遗忘效果与模型效用。方法包括在敏感参数上采用敏感性引导的噪声正则化，以及仅更新遗忘关键层；摘要称其在 MUSE 和 TOFU 基准、多种大语言模型遗忘算法上获得了更具量化韧性的结果，代码已发布于 GitHub。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org