CLEAR：文本与视觉模态中的字符遗忘
计算机视觉与模式识别
2025-08-18 v4 计算与语言
摘要
机器遗忘对于从深度学习模型中移除隐私或危险信息至关重要。尽管机器遗忘在单模态（文本或视觉）设置中取得了显著进展，但由于缺乏评估跨模态数据移除的开放基准，多模态遗忘仍未被充分探索。为填补这一空白，我们引入了CLEAR，这是首个专门为多模态遗忘设计的开源基准。CLEAR包含200个虚构个体和3700张图像，并配有相应的问答对，从而能够在各模态间进行全面评估。我们对四个评估集上的11种机器遗忘方法（例如SCRUB、梯度上升、DPO）进行了全面分析，结果表明联合遗忘两种模态优于单模态方法。数据集可在https://huggingface.co/datasets/therem/CLEAR获取。
引用
@article{arxiv.2410.18057,
title = {CLEAR: Character Unlearning in Textual and Visual Modalities},
author = {Alexey Dontsov and Dmitrii Korzh and Alexey Zhavoronkin and Boris Mikheev and Denis Bobkov and Aibek Alanov and Oleg Y. Rogov and Ivan Oseledets and Elena Tutubalina},
journal= {arXiv preprint arXiv:2410.18057},
year = {2025}
}