条件生成模型中的数据编辑抹除

深度生成模型已知会产生不良样本，例如有害内容。传统的缓解方法包括从头重新训练、过滤或编辑；然而，这些方法要么计算成本高昂，要么可能被第三方规避。在本文中，我们采取不同的方法，研究如何对已经训练好的条件生成模型进行后编辑，使其抹除某些条件，这些条件极有可能导致不良内容。这是通过蒸馏模型中的条件网络来实现的，给出了一种对一类深度生成模型有效、高效、可控且通用的解决方案。我们在文本到图像模型中抹除提示词（prompts）以及在文本到语音模型中抹除声音方面进行了实验。我们的方法计算开销小，相较于基线方法具有更好的抹除质量和鲁棒性，同时仍保持较高的生成质量。