MLUBench：面向多模态大语言模型持续遗忘评测的基准
MLUBench: A Benchmark for Lifelong Unlearning Evaluation in MLLMs
AI 导读
研究者提出 MLUBench，一个面向多模态大语言模型（MLLM）持续遗忘的大规模评测基准，涵盖 127 个实体、9 个类别，代码与数据集开源于 https://github.com/lihe-maxsize/Lifelong_Unlearning_main。针对随时间依次到达的数据删除请求，实验显示现有遗忘方法出现严重且累积的退化。论文指出该问题的独特挑战：与单模态模型不同，MLLM 的持续遗忘受多模态对齐保持的约束，持续从单一模态遗忘可能损害整个模型。为此作者提出 LUMoE 方法，实验表明其能显著缓解基线方法面临的退化。