基于条件自编码器的非线性概念擦除与转向框架

该工作提出一种基于条件自编码器的框架，用于实现非线性概念擦除，旨在移除敏感属性同时保留任务相关内容。 方法在完美重建与群体独立性假设下保证了完美非线性防护，在多个数据集、敏感属性和语言模型上取得了优于有监督竞争方法的效用-擦除权衡，且无需目标任务标签，优化更简单、收敛更快。 该框架还作为副产品实现了概念转换（表示转向），仅需在推理时更改目标概念即可生成不同概念值的表示，无需额外训练成本。