Buchumschlag

Which Retain Set Matters for LLM Unlearning? A Case Study on Entity Unlearning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chang, Hwan, Lee, Hwanhee
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ChatInject: Abusing Chat Templates for Prompt Injection in LLM Agents
von: Chang, Hwan, et al.
Veröffentlicht: (2025)

Reversing the Forget-Retain Objectives: An Efficient LLM Unlearning Framework from Logit Difference
von: Ji, Jiabao, et al.
Veröffentlicht: (2024)

Hallucinate at the Last in Long Response Generation: A Case Study on Long Document Summarization
von: Yang, Joonho, et al.
Veröffentlicht: (2025)

Doc-PP: Document Policy Preservation Benchmark for Large Vision-Language Models
von: Jang, Haeun, et al.
Veröffentlicht: (2026)

Align-then-Unlearn: Embedding Alignment for LLM Unlearning
von: Spohn, Philipp, et al.
Veröffentlicht: (2025)

Does Unlearning Truly Unlearn? A Black Box Evaluation of LLM Unlearning Methods
von: Doshi, Jai, et al.
Veröffentlicht: (2024)

Unlearning What Matters: Token-Level Attribution for Precise Language Model Unlearning
von: Wu, Jiawei, et al.
Veröffentlicht: (2026)

Can Small Language Models Learn, Unlearn, and Retain Noise Patterns?
von: Scaria, Nicy, et al.
Veröffentlicht: (2024)

Keep Security! Benchmarking Security Policy Preservation in Large Language Model Contexts Against Indirect Attacks in Question Answering
von: Chang, Hwan, et al.
Veröffentlicht: (2025)

OpenUnlearning: Accelerating LLM Unlearning via Unified Benchmarking of Methods and Metrics
von: Dorna, Vineeth, et al.
Veröffentlicht: (2025)

LLM Unlearning with LLM Beliefs
von: Li, Kemou, et al.
Veröffentlicht: (2025)

LUME: LLM Unlearning with Multitask Evaluations
von: Ramakrishna, Anil, et al.
Veröffentlicht: (2025)

No Encore: Unlearning as Opt-Out in Music Generation
von: Kim, Jinju, et al.
Veröffentlicht: (2025)

Maximizing Local Entropy Where It Matters: Prefix-Aware Localized LLM Unlearning
von: Zhai, Naixin, et al.
Veröffentlicht: (2026)

Robust LLM Unlearning Against Relearning Attacks: The Minor Components in Representations Matter
von: Xiao, Zeguan, et al.
Veröffentlicht: (2026)

Opt-Out: Investigating Entity-Level Unlearning for Large Language Models via Optimal Transport
von: Choi, Minseok, et al.
Veröffentlicht: (2024)

Probing-RAG: Self-Probing to Guide Language Models in Selective Document Retrieval
von: Baek, Ingeol, et al.
Veröffentlicht: (2024)

Unveiling Entity-Level Unlearning for Large Language Models: A Comprehensive Analysis
von: Ma, Weitao, et al.
Veröffentlicht: (2024)

Consistency-Aware Editing for Entity-level Unlearning in Language Models
von: Han, Xiaoqi, et al.
Veröffentlicht: (2025)

Robust LLM Unlearning with MUDMAN: Meta-Unlearning with Disruption Masking And Normalization
von: Sondej, Filip, et al.
Veröffentlicht: (2025)

Rotation Control Unlearning: Quantifying and Controlling Continuous Unlearning for LLM with The Cognitive Rotation Space
von: Zhang, Xiang, et al.
Veröffentlicht: (2025)

Unlearned but Not Forgotten: Data Extraction after Exact Unlearning in LLM
von: Wu, Xiaoyu, et al.
Veröffentlicht: (2025)

Representation-Guided Parameter-Efficient LLM Unlearning
von: Xiao, Zeguan, et al.
Veröffentlicht: (2026)

Not Every Token Needs Forgetting: Selective Unlearning to Limit Change in Utility in Large Language Model Unlearning
von: Wan, Yixin, et al.
Veröffentlicht: (2025)

Exclusive Unlearning
von: Sasaki, Mutsumi, et al.
Veröffentlicht: (2026)

Measuring the Depth of LLM Unlearning via Activation Patching
von: Lee, Jaeung, et al.
Veröffentlicht: (2026)

Improving LLM Unlearning Robustness via Random Perturbations
von: Huu-Tien, Dang, et al.
Veröffentlicht: (2025)

Position: LLM Unlearning Benchmarks are Weak Measures of Progress
von: Thaker, Pratiksha, et al.
Veröffentlicht: (2024)

Agents Are All You Need for LLM Unlearning
von: Sanyal, Debdeep, et al.
Veröffentlicht: (2025)

Catastrophic Failure of LLM Unlearning via Quantization
von: Zhang, Zhiwei, et al.
Veröffentlicht: (2024)

LLM Unlearning Should Be Form-Independent
von: Ye, Xiaotian, et al.
Veröffentlicht: (2025)

Explainable LLM Unlearning Through Reasoning
von: Liao, Junfeng, et al.
Veröffentlicht: (2026)

CURaTE: Continual Unlearning in Real Time with Ensured Preservation of LLM Knowledge
von: Bae, Seyun, et al.
Veröffentlicht: (2026)

Modeling LLM Unlearning as an Asymmetric Two-Task Learning Problem
von: Xiao, Zeguan, et al.
Veröffentlicht: (2026)

Does Localization Inform Unlearning? A Rigorous Examination of Local Parameter Attribution for Knowledge Unlearning in Language Models
von: Lee, Hwiyeong, et al.
Veröffentlicht: (2025)

Unlearning Climate Misinformation in Large Language Models
von: Fore, Michael, et al.
Veröffentlicht: (2024)

Label Smoothing Improves Gradient Ascent in LLM Unlearning
von: Pang, Zirui, et al.
Veröffentlicht: (2025)

CLUE: Conflict-guided Localization for LLM Unlearning Framework
von: Chen, Hang, et al.
Veröffentlicht: (2025)

Dual-Space Smoothness for Robust and Balanced LLM Unlearning
von: Yan, Han, et al.
Veröffentlicht: (2025)

On the Hidden Costs of Counterfactual Knowledge Training in LLM Unlearning
von: Ye, Xiaotian, et al.
Veröffentlicht: (2026)