研究者提出分层遗忘方法CoLU
热点事件持续更新
研究者提出分层遗忘方法CoLU
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
Jingkai Guo 等作者提出置信度加权分层遗忘方法 CoLU，用于大语言模型遗忘：只更新单个选定的 Transformer 层，而非更新整个模型，并配合新的置信度加权遗忘与保留正则化。 配套的 Brief Layer Screening（BLS）用归一化遗忘-保留（NFR）分数预筛层候选。作者称，这使 CoLU 运行时间降低 60.2%–79.7%，且性能几乎不变。
AI 根据报道生成 · 43 分钟前更新
最新进展10月19日 12:00
CoLU：面向大语言模型的置信度加权分层遗忘方法报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv cs.CLCoLU：面向大语言模型的置信度加权分层遗忘方法
研究者提出置信度加权分层遗忘方法 CoLU，只更新单个选定的 Transformer 层而非整个模型，并配合新的置信度加权遗忘与保留正则化。配套的 Brief Layer Screening（BLS）用归一化遗忘-保留（NFR）分数预筛层候选，将 CoLU 运行时间降低 60.2-79.7% 且性能几乎不变。
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。