FAME：用于多语言擦除的虚构演员
计算与语言
2025-12-18 v1
摘要
在网络规模数据上训练的大语言模型引发了隐私和被遗忘权 concerns。为解决这些问题，机器无学习提供了一种无需从头重新训练即可从训练模型中移除特定信息的技术。然而，现有针对大语言模型评估无学习基准面临两个主要局限：仅关注英文且仅支持实体级擦除（即移除关于某人的全部信息）。我们引入FAME（Fictional Actors for Multilingual Erasure，即虚构演员用于多语言擦除），这是一个用于评估大语言模型跨五种语言（英文、法语、德语、意大利语和西班牙语）无学习的合成基准。FAME包含1000个虚构演员的简历和20,000个问答对。每个简历包括20个主题方面的信息，组织为结构化类别（简历、职业、成就、个人信息）。这种设计既支持实体级无学习（即忘记整个身份），也支持实例级无学习（即忘记特定事实而保留其他事实）。我们提供两个数据划分以支持这两种不同的无学习场景，并 enable 对比跨语言的无学习技术。由于FAME使用的是完全虚构的数据，因此这些信息在模型预训练期间从未被遇到，这允许对无学习方法进行受控评估。
引用
@article{arxiv.2512.15235,
title = {FAME: Fictional Actors for Multilingual Erasure},
author = {Claudio Savelli and Moreno La Quatra and Alkis Koudounas and Flavio Giobergia},
journal= {arXiv preprint arXiv:2512.15235},
year = {2025}
}