TULIP论文提出按输入定位层的LLM遗忘方法

Yejin Kim 等人在 arXiv 论文（arXiv:2609.34591v2）中提出 TULIP，一种针对大模型遗忘（unlearning）的方法。其出发点是：不同输入在大模型的不同层形成答案，TULIP 用 logit lens 逐输入定位答案形成—读出的边界层，并在该层去除隐藏状态与遗忘答案反嵌入向量的对齐。 论文称，TULIP 在 TOFU、PISTOL、WMDP 三个基准上，对 Llama、Qwen、Zephyr 模型均优于输出级和表示级的遗忘基线方法。该结果为作者声称，基于论文摘要，尚无独立复现。

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。