MLLMEraser：用激活引导实现多模态大模型测试时遗忘

论文提出免训练激活引导的多模态大模型测试时遗忘方法。

资讯摘要

论文提出 MLLMEraser，一种输入感知、免训练的测试时遗忘框架，通过激活引导实现动态知识擦除，无需更新参数。方法对比对抗扰动下的知识回忆与知识擦除图文对，构建多模态擦除方向，并设计输入感知引导机制决定何时、如何施加该方向。在 LLaVA-1.5 与 Qwen-2.5-VL 上，作者报告其遗忘效果优于现有 MLLM 遗忘基线，计算成本更低且效用退化最小。

要点速读

1. 论文提出免训练的测试时遗忘框架 MLLMEraser，利用激活引导而非梯度上升或偏好优化。
2. 通过对比对抗扰动的知识回忆与擦除图文对，构建同时涵盖文本与视觉差异的多模态擦除方向。
3. 在 LLaVA-1.5 和 Qwen-2.5-VL 上，作者报告其遗忘表现优于现有基线，计算成本更低、保留知识退化最小。

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 2026/11/3 08:00:27（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。