新方法称定向遗忘大模型行为可快77倍

预印本RapidUn v4于9月24日更新，提出用样本影响力加权做LoRA遗忘，作者称在Llama-3-8B上定向移除触发行为时，比干净语料LoRA重训参考快77倍。

机器遗忘指不重训整个模型、只移除已学到的特定行为。该方法把跨样本影响力估计转成固定权重，作者报告其触发攻击成功率低于Fisher、GA、LoReUn三个已有方法，干净任务能力基本不掉，并在Mistral-7B上做了跨模型验证。

对比基线是同类遗忘方法而非完整重训，测试均在作者自建的触发基准上完成，代码已开源，第三方复现结果尚未出现。