提出FRAG指标预测LLM重学习鲁棒性
热点事件持续更新
提出FRAG指标预测LLM重学习鲁棒性
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Yi Chen等作者提出免训练的遗忘-保留对齐差距（FRAG）指标，无需运行重学习攻击，就能为一次模型更新打分并预测大语言模型遗忘后的重学习鲁棒性。作者称，该指标比全局权重距离更可靠地区分选择性更新与密集更新。 同一工作还提出FRP剪枝方法，代码已公开。
AI 根据报道生成 · 4 小时前更新
最新进展11月3日 13:00
距离不够：遗忘-保留对齐差距可预测 大语言模型（LLM，Large Language Model） 重学习鲁棒性报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv · cs.AI距离不够：遗忘-保留对齐差距可预测 大语言模型（LLM，Large Language Model） 重学习鲁棒性
研究提出免训练的遗忘-保留对齐差距（FRAG，Forget-Retain Alignment Gap）指标，无需执行重学习攻击即可预测大语言模型（LLM，Large Language Model）的遗忘鲁棒性，比全局权重距离更可靠地区分选择性更新与密集更新。
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。