כתבה
arXiv cs.AI ·
חורים לשוניים ב-LLM: מבחן 174-לשוני לא-למידה
Linguistic Loopholes in LLM Unlearning: From a 174-Language Benchmark to Coverage-Aware Unlearning
חורים לשוניים ב-LLM: כאשר נזכרים פעם נוספת, ישנם חורים לשוניים ב-LLM. ניתן לפתור את הבעיה על ידי ניתוח תכונות ה-LLM. המחקר עוסק בפיתוח פתרון לבעיה זו, ומציע פתרון חדשני לבעיה.
תקציר מקורי באנגליתarXiv:2609.40286v1 Announce Type: cross Abstract: Unlearning a fact in one language does not guarantee its removal in others as changing the query or even the requested answer language can reopen seemingly forgotten knowledge -- a cross-lingual loophole. The most straightforward solution to this challenge -- unlearning in all languages -- is neither scalable nor desirable as it amplifies damage to unrelated model capabilities. We introduce the task of language budgeted multilingual unlearning where the goal is to select a subset of languages that maximizes cross-lingual erasure. To study this task we introduce the Cross-Lingual Unlearning Tensor, an unlearning benchmark that spans 174 language--script pairs and 25 atomic paraphrase types to examine when forgetting generalizes across lingui
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית