arXiv · AI· Yejin Kim, William F. Shen, Seokwon Jung, Daeun Park, Seong Joon Oh·· 2026-10-15AI 评分40
TULIP:针对 LLM 逐输入识别层的定向遗忘方法
TULIP: Targeted LLM Unlearning at Layers Identified Per-input
AI 导读
TULIP 提出逐输入识别层的 LLM 定向遗忘方法,超越输出与表征级基线。 利用 logit lens 定位形成-读出边界,并在该层移除隐藏状态与遗忘答案向量对齐;在 TOFU、PISTOL 和 WMDP 上验证有效。 TULIP 可视为即插即用组件,进一步改进现有遗忘方法。
来源:arXiv · AI · arxiv.org