热点事件持续更新
论文提出 DeLLM 框架实现 LLM 记忆删除
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026 年 9 月 30 日，arXiv cs.CL 一篇论文提出 DeLLM 框架，用于删除大语言模型的持久记忆。论文研究带持久记忆的 LLM 能否按用户要求遗忘信息，发现现有模型即使声称已经忘记，在有限上下文下仍无法真正删除这些信息。作者指出，仅简单删掉与删除请求匹配的消息并不够，因为对话本身会产生消息依赖，使信息继续留存。为此，论文提出 DeLLM 框架：为每次查询动态构建相关上下文，并维护消息来源图，以确定在删除时需要移除哪些消息。实验显示，该框架在高删除率下仍能保持可用性。
AI 根据报道生成 · 2 小时前更新
最新进展9月30日 12:00
论文提出 DeLLM，用动态上下文与消息来源图实现 LLM 记忆删除，高删除率下仍可用。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv cs.CL论文提出 DeLLM 框架，用于删除 LLM 的持久记忆
论文研究带持久记忆的 LLM 能否按用户要求遗忘信息，发现现有模型即使声称已忘记、在有限上下文下仍无法删除这些信息。作者指出，简单删掉与删除请求匹配的消息并不够，因为对话本身会产生消息依赖，使信息继续留存。为此论文提出 DeLLM 框架，为每次查询动态构建相关上下文，并维护消息来源图以确定删除时须移除哪些消息，实验显示其在高删除率下仍保持可用性。
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。