GUARD：大推理模型的自然遗忘方法
原文标题：GUARD: Natural Forgetting in Large Reasoning Models via Guided Answer-Reasoning Distillation
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。
论文指出大推理模型的中间思维链可能泄露受保护事实或不安全推理，现有遗忘方法未规定遗忘后的轨迹。研究提出 GUARD，将不安全披露转化为安全退出轨迹，并通过引导令牌对齐与蒸馏写入模型参数。同时提出 NFRS 指标衡量替代质量，实验显示可显著减少不安全与隐私泄露并保留推理能力。
- 问题
- 大推理模型的思维链会泄露受保护事实或不安全推理，现有遗忘方法未定义遗忘后的轨迹。
- 方法
- 把不安全披露改写为安全退出轨迹，用引导令牌对齐冻结模型并蒸馏进参数，另提 NFRS 指标衡量替代质量。
- 结果
- 在 R-TOFU 与 STAR-1 衍生有害意图设定上显著减少不安全与隐私泄露，同时保留推理能力。
- 影响
- 做合规与安全对齐的团队可将其作为推理模型遗忘的新范式，代码已开源可直接复现。
深读 · 结论先行AI 生成展开看要点与影响 ↓
GUARD 让大推理模型遗忘后走「安全退出轨迹」，并新增 NFRS 衡量替代质量
- •指出大推理模型的中间思维链可能先泄露受保护事实或不安全推理
- •现有遗忘方法只压制目标内容，未规定遗忘后轨迹，易产生幻觉替代或重复输出
- •GUARD 把模型自身的不安全披露转成安全退出轨迹，用引导令牌对齐冻结模型并蒸馏进参数
- •提出 NFRS 指标，衡量遗忘输出的结构稳定性、流畅度与无依据替代
- •在 R-TOFU 与 STAR-1 衍生有害意图设定上，两个蒸馏 LRM 的不安全与隐私泄露显著下降且保留推理能力
为什么重要：推理模型的遗忘不能只看最终答案，GUARD 把思维链轨迹纳入遗忘目标，对安全合规部署有直接影响。
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。