arXiv · cs.AI· Chenlu Ding, Jiancan Wu, Yanchen Luo, Tianyu Zhang, Yancheng Yuan, Xiang Wang, Xiangnan He·· 11 小时前
CUSE：基于反事实引导与在线策略自蒸馏的多模态大语言模型细粒度遗忘方法
CUSE: Fine-Grained Multimodal Unlearning with Counterfactual Guidance and On-Policy Self-Distillation
arXiv:2610.14763v1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：Chenlu Ding, Jiancan Wu, Yanchen Luo, Tianyu Zhang, Yancheng Yuan, Xiang Wang, Xiangnan He
研究任务与主要进展
Chenlu Ding等提出CUSE，通过移除目标相关证据构造反事实输入，并依据词元概率变化确定需要重点遗忘的内容，再利用当前策略采样进行遗忘与保留目标的词元级自蒸馏。基于论文摘要，CUSE在MLLMU-Bench上将遗忘集ROUGE-L降低33.6%，同时使保留集ROUGE-L比最强基线高1.2%。
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