MLLMEraser：免训练的多模态大模型测试时遗忘方法
热点事件持续更新
MLLMEraser：免训练的多模态大模型测试时遗忘方法
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Chenlu Ding 等研究者提出 MLLMEraser，一个无需训练的多模态大模型测试时遗忘框架，已被 NeurIPS 2026 接收。该方法通过激活导向实现知识擦除，不更新模型参数：利用对抗性扰动构建多模态擦除方向，并由输入感知机制自适应决定何时施加擦除，以保留其余知识效用。
AI 根据报道生成 · 1 小时前更新
最新进展11月3日 13:00
MLLMEraser：通过激活导向在多模态大语言模型中实现测试时遗忘报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv cs.AIMLLMEraser：通过激活导向在多模态大语言模型中实现测试时遗忘
研究者提出 MLLMEraser，一个无需训练的输入感知测试时遗忘框架，通过激活导向在多模态大语言模型中实现知识擦除，无需参数更新。该方法利用对抗性扰动构建多模态擦除方向，并由输入感知机制自适应决定何时施加擦除，以保留剩余知识效用。在 LLaVA-1.5 和 Qwen-2.5-VL 上的实验表明，MLLMEraser 在遗忘效果上超越现有基线，计算成本更低且效用损失最小。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。