MAAT：多阶段适配器感知的定向机器遗忘

MAAT 是首个在 Why 类因果知识上同时实现高遗忘与高保留的机器遗忘方法。该方法分三阶段作用于 LoRA 适配器权重，结合梯度投影上升、SVD 秩维度剪枝、任务向量取反与 KL 隐状态保留修复。配套的 5WBENCH 基准含 5,000 样本、每个 5W 类别各 1,000 条，首次量化因果遗忘失败；Why 类难点源于多跳推理链（占其条目 44%）。