热点事件持续更新
GEMMU：多模态 LLM 机器遗忘评估基准
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026 年 10 月 15 日，arXiv cs.CL 收录的一篇论文指出，当前多模态 LLM 机器遗忘评估存在三大陷阱：一是缺少留出集评估，二是依赖合成微调知识而非模型预训练获得的真实知识，三是对不同遗忘方法套用相同训练设置，导致比较不公。针对这些问题，研究者提出基于真实知识构建的 GEMMU 基准及相应评估协议，并据此重新评测了代表性遗忘方法。结果显示，这些方法暴露出显著的泛化差距，该结果也挑战了以往基准所得出的结论。截至该报道，事件进展停留在基准提出与重评结果公布阶段。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 12:00
研究者提出基于真实知识的 GEMMU 基准，重评遗忘方法后暴露显著泛化差距。报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.CL我们真的在测量遗忘吗？多模态 LLM 机器遗忘评估的三大陷阱
多模态 LLM 机器遗忘评估存在三大陷阱：缺少留出集评估、依赖合成微调知识而非预训练获得的真实知识、对不同方法套用相同训练设置导致比较不公。研究者为此提出基于真实知识的 GEMMU 基准与评估协议，重新评测代表性遗忘方法后暴露出显著泛化差距，并挑战了以往基准得出的结论。
本事件热度走势
当前热度 9·可比范围峰值 10（10月15日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。