统一多模态模型的概念遗忘是否统一？

论文提出 UniForget，在统一多模态模型上实现跨路径联合概念遗忘。

资讯摘要

论文研究统一多模态模型（UMM）的跨路径概念遗忘，即同时阻止模型生成目标概念图像并在输入图像中识别该概念。作者提出诊断基准 UUBench，覆盖 30 个目标概念与 60 个语义相关邻近概念。实验显示，现有单路径方法联合遗忘效果有限：生成侧编辑方法能强抑制目标生成，但对视觉理解遗忘有限；理解侧基线在本路径内也难以实现实质遗忘，直接组合效果同样有限。作者据此提出 UniForget，报告在 BAGEL-7B-MoT 与 Janus-Pro-7B 上联合遗忘率分别为 80.0% 和 92.7%，并指出联合遗忘与能力保持之间存在权衡。

要点速读

1. 论文提出 UUBench 基准，覆盖 30 个目标概念和 60 个语义相关邻近概念。
2. 实验显示单路径遗忘方法在生成与理解两条路径上的联合遗忘效果有限，直接组合亦然。
3. 作者提出 UniForget，报告在 BAGEL-7B-MoT 和 Janus-Pro-7B 上联合遗忘率达 80.0% 和 92.7%。

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 2026/11/5 08:00:36（北京时间）。