Tag
5 件の関連記事
arXiv cs.CL は2026年8月20日(現地時間)、サヒル・カレ氏らが発表した論文「ConceptGuard: Benchmarking Context-Sensitive Unlearning in Large Language Models」を公開した。この論文は、大規模言語モデル (LLM) における有害知識の選択的除去（アンラーニング）に関する既存手法の限界を指摘。既存ベンチマークが事実の直接想起に偏り、有害な振る舞いを排除しつつ有益な知識を保持するというアンラーニングの主要要件を捉えきれていないと主張している。
Appleは2026年8月12日(現地時間)、機械学習モデルから特定のデータポイントを削除する「アンラーニング」の効率を向上させる研究成果を発表した。モデルの学習に影響の少ないデータポイントを特定することで、計算コストを最大約50パーセント削減できるとしている。
Appleは2026年7月(現地時間)、機械学習モデルから特定の学習データ点を削除する「アンラーニング」手法に関する新たな研究成果を「Apple ML Research」で発表した。この研究は、モデルの学習に与える影響が小さいデータ点（low influence points）を特定し効率的に処理することで、アンラーニングに必要な計算コストを最大50%削減できる可能性を示す。データプライバシーへの懸念が高まる中、訓練済みモデルの修正能力向上に寄与する発見となる。
マッテオ・ボリオーニ (Matteo Boglioni) 氏らは2026年7月2日(現地時間)、大規模言語モデル (LLM) のアンラーニング手法におけるパラメーターレベルでの局所化精度を評価するための新たなテストベッド「LACUNA (ラクーナ)」に関する論文をarXivで発表した。既存のアンラーニング評価ベンチマークが主にモデルの出力レベルに焦点を当てているのに対し、LACUNAはモデル内部のパラメーターレベルで知識消去の真の精度を検証することを目的としている。
Filip Sondej、Yushi Yang、Adam Mahdiの3氏は2026年6月15日(現地時間)、学術論文公開サイトarXiv cs.CL (アーカイヴ シーエス ドット シーエル) に、大規模言語モデル (LLM) のアンラーニング新手法に関する論文を公開した。新手法「RepSelect (レップセレクト)」は、LLMが特定の知識を深く、かつ堅牢に忘却することを可能にし、既存手法が抱える再学習や攻撃による回復の容易さという課題を克服すると報告している。