ARTFEED — Contemporary Art Intelligence

ICCU: Un Framework di Disapprendimento Continuo In-Context per Modelli Linguistici

ai-technology · 2026-05-27

Un nuovo framework chiamato ICCU (In-Context Continual Unlearning) è stato introdotto da ricercatori per gestire richieste di disapprendimento sequenziali nei modelli linguistici senza alterare i parametri del modello. A differenza degli approcci tradizionali di fine-tuning, ICCU genera regole di rifiuto comprensibili dai dataset di disapprendimento, che vengono poi utilizzate come filtro o tramite prompt di sistema durante l'inferenza. Questo framework raccoglie le regole in modo indipendente dall'ordine, prevenendo interferenze tra le richieste e consentendo la rimozione dei dati originali del forget-set dopo l'induzione delle regole. I risultati sperimentali mostrano una soppressione efficace della conoscenza target mantenendo l'utilità, dimostrando scalabilità per richieste sequenziali. Il documento di ricerca è disponibile su arXiv.

Fatti principali

  • ICCU sta per In-Context Continual Unlearning.
  • Gestisce richieste di disapprendimento sequenziali senza fine-tuning.
  • Le regole sono indotte dai dataset di disapprendimento e applicate all'inferenza.
  • Le regole possono essere utilizzate come filtro o tramite prompt di sistema.
  • Nessun parametro del modello viene modificato.
  • Le regole sono accumulate come un'unione indipendente dall'ordine.
  • I dati originali del forget-set possono essere scartati dopo l'induzione delle regole.
  • Gli esperimenti mostrano una soppressione efficace della conoscenza e la preservazione dell'utilità.

Entità

Istituzioni

  • arXiv

Fonti