面向多模态大语言模型的对抗式视觉概念忘却：AUVIC
计算机视觉与模式识别
2025-11-17 v1 人工智能
摘要
多模态大语言模型（MLLMs）在大规模数据集上优化后能实现惊人的性能。此类数据集常常包含敏感或受版权保护的内容，引发显著的数据隐私问题。要求遵守“被遗忘权”的监管框架推动了机器忘却的需求。该技术允许在不耗费资源进行重新训练的情况下删除目标数据。然而，尽管对文本已有深入研究，视觉概念在 MLLMs 中的忘却仍鲜有探索。一个主要挑战是精确移除目标视觉概念而不干扰相关实体的性能。为此，我们引入 AUVIC，一种面向 MLLMs 的新颖视觉概念忘却框架。AUVIC 采用对抗扰动以实现精确忘却。该方法有效地隔离目标概念，同时避免对类似实体的意外影响。为评估我们的方法，构建了 VCUBench。这是第一个旨在评估组上下文中视觉概念忘却的基准。实验结果表明，AUVIC 在目标忘却率上实现了最先进水平，同时对非目标概念的性能影响最小。
引用
@article{arxiv.2511.11299,
title = {AUVIC: Adversarial Unlearning of Visual Concepts for Multi-modal Large Language Models},
author = {Haokun Chen and Jianing Li and Yao Zhang and Jinhe Bi and Yan Xia and Jindong Gu and Volker Tresp},
journal= {arXiv preprint arXiv:2511.11299},
year = {2025}
}
备注
AAAI 2026. Code: https://github.com/HaokunChen245/AUVIC