跳到正文
热点事件持续更新

Jingkai Guo 团队提出 CoLU 层级遗忘方法

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

2026 年 10 月 19 日，Jingkai Guo 等人在 arXiv 发布 CoLU（置信度加权逐层大模型遗忘算法），通过更新单个 Transformer 层结合置信度加权正则化实现大模型遗忘。 在 TOFU 数据集六项设置及 MUSE 两项指标上，CoLU 全面超越 NPO、SimNPO 等 SOTA 方法。 方法配合 Brief Layer Screening 策略可减少 60.2% 至 79.7% 运行时间，平均 GPU 显存占用降低 77.4% 至 79.5%。

AI 根据报道生成 · 6 小时前更新

最新进展10月19日 12:00
CoLU 提出置信度加权逐层大模型遗忘算法

报道时间线

沿着报道，了解事件的不同侧面。

10月19日
  1. arXiv · NLP
    CoLU 提出置信度加权逐层大模型遗忘算法

    CoLU 通过更新单个 Transformer 层结合置信度加权正则化，在 TOFU 数据集六项设置及 MUSE 两项指标上全面超越 NPO、SimNPO 等 SOTA 方法。 配合 Brief Layer Screening 策略可减少 60.2% 至 79.7% 运行时间，平均 GPU 显存占用降低 77.4% 至 79.5%。 实现了大语言模型遗忘与保留平衡的高效能新基准。

本事件热度走势

可比范围当前
8
可比范围峰值
1010月19日 13:00
近 24 小时变化
–

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。