2025年12月23日
## 要約：
本研究では、マルチモーダル大規模言語モデル（RMLLM）における機械学習モデルの忘れ方を評価する初のベンチマーク「RMLLMU-Bench」を提案します。既存の手法では、推論の過程における情報漏洩や、推論能力の低下が問題となっており、提案手法「R-MUSE」はこれらの問題を解決し、効果的な忘れ去りと推論能力の維持を両立します。
---
## 翻訳：
arXiv:2512.17911v1 が新たに発表されました。機械学習の忘れ去りは、モデルを完全に再学習することなく、要求されたデータを訓練されたモデルから消去することを目指します。推論能力を持つマルチモーダル大規模言語モデル（RMLLM）では、これが独特の課題となります。最終的な回答を忘れても、中間的な思考の過程で機密情報が漏洩する可能性があり、攻撃的な介入は簡単に一般的な推論能力を損ないます。しかし、推論レベルでの情報漏洩を抑制しながら、推論能力を維持する手法を共同で評価するベンチマークは存在しません。本研究では、標準的な忘却メトリクスを、推論レベルでの情報漏洩と推論能力の維持のための専用測定値で拡張したRMLLMU-Benchを提案します。RMLLMU-Benchを用いた体系的な評価から、MLLMおよび大規模推論モデル（LRM）のための既存の忘れ去り手法は、推論プロセスにおける大幅な情報漏洩を残すか、または推論性能を著しく低下させることが明らかになりました。これらのギャップを埋めるために、サブスペースのガイダンスと適応型ステアリングを介して、推論を維持しながら回答と推論の痕跡を忘れさせる、訓練フリーで推論時の介入フレームワークであるR-MUSEを提案します。RMLLMU-Benchでの実験により、R-MUSEは効果的な忘れ去りと推論能力の維持のバランスを大幅に改善できることが示されました。
[📰 原文はこちら](https://arxiv.org/abs/2512.17911)
---
※本記事はAI（Ollama）による自動翻訳・要約です。
BittensorManがお勧めするメーカーリスト
https://exbridge.jp/xdirect/
AI時代の技術と知識のまとめ(AI生成メディア) - AIDexx
https://exbridge.jp/aidexx/
頑張って働く人に向けて、プロ用仕事アイテムを格安でネット販売しているX-Direct（ https://exdirect.net ）を、BittensorManは応援しています。
動画の最後にお得な情報がありますので、
最後までご覧ください。
