非线性概念擦除与引导的原则化框架

条件自编码器框架实现非线性概念擦除并附带表示引导能力。

资讯摘要

论文提出一种条件自编码器框架，用于非线性概念擦除。作者称，在给定假设下，完美重建加总体层面独立即可实现完美的非线性防护，并在重建不完美时给出保留性保证。实验显示，该方法在多个数据集、敏感属性和语言模型上取得更优的效用—擦除权衡，且无需目标任务标签；推理时仅改变目标概念即可实现表示引导，无需额外训练。

要点速读

1. 论文提出条件自编码器框架，目标是只移除敏感属性、保留任务相关内容。
2. 作者报告在多个数据集、敏感属性和语言模型上取得更优的效用—擦除权衡，且不使用目标任务标签。
3. 该框架附带概念转换（表示引导）能力：推理时仅改变目标概念即可得到不同概念值的表示，无需额外训练。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。