Towards Safer Large Language Models through Machine Unlearning

本文提出SKU方法,解决LLM在保留效用的同时消除有害知识。通过有害知识获取和知识否定两阶段,SKU在保持模型性能的同时减少有害输出。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文是LLM系列文章,针对《Towards Safer Large Language Models through Machine Unlearning》的翻译。

摘要

大型语言模型(LLM)的快速发展已经证明了其在各个领域的巨大潜力,这归功于其广泛的预训练知识和非凡的可推广性。然而,当遇到有问题的提示时,LLM在生成有害内容方面经常遇到挑战。为了解决这个问题,现有的工作试图实现一种基于梯度上升的方法,以防止LLM产生有害的输出。虽然这些方法可能是有效的,但它们经常影响模型效用对正常提示的响应。为了解决这一差距,我们引入了选择性知识否定学习(SKU),这是一种新的LLM遗忘框架,旨在消除有害知识,同时在正常提示下保持效用。具体来说,SKU分为两个阶段:有害知识获取阶段和知识否定阶段。第一阶段旨在识别和获取模型中的有害知识,而第二阶段则致力于去除这些知识。SKU选择性地隔离和删除模型参数中的有害知识,确保模型的性能在正常提示下保持稳健。我们在各种LLM架构中进行的实验表明,SKU在删除有害信息和保留效用之间找到了一个良好的平衡点。

1 引言

2 相关工作

3 前言

4 方法

已下架不支持订阅

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值