MLLMEraser发布：多模态模型无需训练的测试时遗忘框架
热点事件持续更新
MLLMEraser发布：多模态模型无需训练的测试时遗忘框架
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
MLLMEraser是一项新的多模态大语言模型（MLLM）研究，于2026年11月2日在arXiv（cs.AI）上发布。该研究提出了一个无需训练的测试时遗忘框架，旨在实现动态知识擦除。该框架的核心机制是利用激活引导技术，在不改变模型原始权重的情况下，通过引导激活值来屏蔽特定知识。 研究人员在LLaVA-1.5和Qwen-2.5-VL两个主流多模态模型上对该框架进行了验证。实验结果显示，MLLMEraser的表现优于现有的基准方法。其主要优势在于能以更低的计算成本实现更强的遗忘效果，同时在执行知识擦除的过程中，几乎不会对模型需要保留的其他知识造成损害，实现了遗忘与保留的平衡。
AI 根据报道生成 · 3 小时前更新
最新进展11月2日 13:00
MLLMEraser：基于激活引导实现多模态大语言模型的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2日
- arXiv · AIMLLMEraser：基于激活引导实现多模态大语言模型的测试时遗忘
MLLMEraser 提出一种无需训练的测试时遗忘框架，利用激活引导实现动态知识擦除。 该框架在 LLaVA-1.5 和 Qwen-2.5-VL 上验证，优于现有基准方法，以更低计算成本实现更强遗忘效果且几乎不损害保留知识。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月2日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。