ARIA：基于稀疏自编码器的测试时遗忘方法
原文标题：Test-Time Unlearning via Sparse Autoencoder
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 ARIA，一种测试时机器遗忘方法，不改动模型权重，而是利用稀疏自编码器（SAE）潜变量训练轻量线性检测器，在生成进入遗忘相关状态时进行可解释干预。在 TOFU、R-TOFU、WMDP 上，ARIA 在遗忘与保留的权衡上优于基于权重的基线，且对三种后遗忘对抗攻击保持稳健。研究还指出部分保留性能下降可能源于遗忘数据的响应风格而非知识泄漏。
- 问题
- 基于权重修改的机器遗忘存在遗忘-效用权衡，且易被微调或提示攻击恢复。
- 方法
- 不改权重，用稀疏自编码器潜变量训练线性检测器，在生成进入遗忘相关状态时做可解释干预。
- 结果
- 在TOFU、R-TOFU、WMDP上优于权重基线，MMLU保持在遗忘前1%以内，三种后遗忘攻击下遗忘变化小于1%。
- 影响
- 为合规删除提供推理时方案，避免重训与权重损伤，适合需要动态撤除知识的服务。
深读 · 结论先行AI 生成展开看要点与影响 ↓
ARIA不改权重，用SAE潜变量门控推理时遗忘，MMLU保持在遗忘前1%以内。
- •不改模型权重，用稀疏自编码器潜变量训练轻量线性检测器，在生成进入遗忘相关状态时干预
- •在TOFU、R-TOFU、WMDP上遗忘与保留的权衡优于基于权重的基线
- •WMDP-cyber遗忘集准确率显著下降，MMLU与遗忘前模型差距在1%以内
- •在DeepSeek-R1-Distilled-Qwen-1.5B与Gemma-3-1B-it两种模型上验证
- •针对权重空间与解码空间恢复的三种后遗忘对抗攻击下，遗忘变化小于1%
为什么重要：测试时门控绕开了权重修改带来的效用损失与知识复现问题，对需要合规删除知识又不想重训的部署方有吸引力。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。