面向鲁棒且均衡的 LLM 机器遗忘的双空间平滑性

基于摘要分析。本文研究大语言模型（LLM）机器遗忘中灾难性遗忘、多目标指标失衡，以及遗忘结果易受越狱和再学习攻击影响的问题，提出 PRISM，通过表示空间与参数空间的双空间平滑性优化，兼顾遗忘有效性、效用保留与隐私保护。 机制上，PRISM 包含两个平滑性优化阶段：表示空间阶段使用经过鲁棒训练的探针抵御越狱攻击；参数空间阶段解耦保留目标与遗忘目标之间的梯度冲突，并平滑参数空间，以缓解指标失衡和再学习攻击。摘要未提供探针的训练目标、平滑性约束的具体形式、梯度冲突的处理算法及两阶段的执行细节，这些实现条件尚未验证。 作者报告，在 WMDP 与 MUSE 上覆盖对话和连续文本设置的实验中，PRISM 在多种攻击下优于所比较的 SOTA 基线，同时在关键指标之间取得更好的平衡。摘要未给出具体指标定义、数值、基座模型、数据划分或攻击预算，因此尚不能判断改进幅度、不同目标间的实际权衡及适用边界；实验协议、消融及统计信息尚未验证。 该研究的主要对象是 LLM 机器遗忘，而非神经信号建模或 BCI。当前材料未提供与 EEG 数据结构或任务的具体机制对应关系，不据此生成 BCI 迁移实验建议；已有 EEG 相关工作尚未检索确认。