ReCARE：保護共現概念的穩健去除技術

背景與挑戰

在擴散模型中，去除（unlearning）特定有害內容已成為重要技術，但現有方法常會連帶抹除與之共現的無害概念。例如，去除裸露圖像時，模型可能失去產生「人物」的能力。

CARE 與 CARE 分數

研究者將這類必須保留的共現概念定義為 CARE（Co-occurring Associated REtained concepts），並提出 CARE score，直接量化在去除任務中這些概念的保留程度。

ReCARE 框架

基於上述概念，提出 ReCARE（Robust erasure for CARE）框架。它會自動從目標圖像中抽取良性共現詞彙，建立 CARE‑set，並在訓練過程中使用此詞彙表，以確保去除僅限於目標概念。

實驗驗證

實驗以三類目標概念測試：裸露、梵谷風格以及 Tench 物件。結果顯示 ReCARE 在去除目標概念的同時，能最大化整體效能與 CARE 保留，達到目前最佳的平衡表現。

延伸閱讀

• 大規模實驗揭示 AI 編碼代理破壞率：94% 開發者未偵測，加入即時 LLM 監控仍失效 56%
• 結構化筆記降低交接債：AI 編碼代理接手效率實驗分析
• Clean-PR：以 Pull Request 訓練訊號提升大型語言模型的倉庫層級程式碼編輯能力

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。