Unlearning a Livello di Attributo per LLM Multimodali: Un Nuovo Benchmark

Un recente articolo pubblicato su arXiv (2608.01008) presenta un nuovo approccio all'unlearning a livello di attributo nei grandi modelli linguistici multimodali (MLLM). Gli autori sostengono che gli attuali standard di privacy affrontano principalmente le cancellazioni a livello di profilo, mentre le richieste reali spesso richiedono la rimozione di attributi specifici, come l'età di una persona, preservando altre informazioni non sensibili. Hanno sviluppato un benchmark che include obiettivi a testo lungo, numerici e a testo breve, vari rapporti di dimenticanza e una serie di tipi di domande. I loro risultati indicano che sia gli attributi target che quelli mantenuti contengono informazioni specifiche dell'identità e visive, che possono comportare perdite residue o degrado collaterale nei metodi esistenti. Lo studio sottolinea le sfide affrontate dalle attuali tecniche di unlearning in questo contesto più sfumato.