Buchumschlag

A General Framework to Enhance Fine-tuning-based LLM Unlearning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ren, Jie, Dai, Zhenwei, Tang, Xianfeng, Liu, Hui, Zeng, Jingying, Li, Zhen, Goutam, Rahul, Wang, Suhang, Xing, Yue, He, Qi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Keeping an Eye on LLM Unlearning: The Hidden Risk and Remedy
von: Ren, Jie, et al.
Veröffentlicht: (2025)

Cite Before You Speak: Enhancing Context-Response Grounding in E-commerce Conversational LLM-Agents
von: Zeng, Jingying, et al.
Veröffentlicht: (2025)

To trust or not to trust: Attention-based Trust Management for LLM Multi-Agent Systems
von: He, Pengfei, et al.
Veröffentlicht: (2025)

Examples as the Prompt: A Scalable Approach for Efficient LLM Adaptation in E-Commerce
von: Zeng, Jingying, et al.
Veröffentlicht: (2025)

Adaptive Test-Time Reasoning via Reward-Guided Dual-Phase Search
von: Cui, Yingqian, et al.
Veröffentlicht: (2025)

How Far are LLMs from Real Search? A Comprehensive Study on Efficiency, Completeness, and Inherent Capabilities
von: Lin, Minhua, et al.
Veröffentlicht: (2025)

AgentTTS: Large Language Model Agent for Test-time Compute-optimal Scaling Strategy in Complex Tasks
von: Wang, Fali, et al.
Veröffentlicht: (2025)

Stepwise Perplexity-Guided Refinement for Efficient Chain-of-Thought Reasoning in Large Language Models
von: Cui, Yingqian, et al.
Veröffentlicht: (2025)

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

SUA: Stealthy Multimodal Large Language Model Unlearning Attack
von: Zhang, Xianren, et al.
Veröffentlicht: (2025)

Bradley-Terry and Multi-Objective Reward Modeling Are Complementary
von: Zhang, Zhiwei, et al.
Veröffentlicht: (2025)

Comprehensive Vulnerability Analysis is Necessary for Trustworthy LLM-MAS
von: He, Pengfei, et al.
Veröffentlicht: (2025)

A Survey of Calibration Process for Black-Box LLMs
von: Xie, Liangru, et al.
Veröffentlicht: (2024)

How Far Are LLMs from Professional Poker Players? Revisiting Game-Theoretic Reasoning with Agentic Tool Use
von: Lin, Minhua, et al.
Veröffentlicht: (2026)

Exploring Memorization in Fine-tuned Language Models
von: Zeng, Shenglai, et al.
Veröffentlicht: (2023)

TRAJECT-Bench:A Trajectory-Aware Benchmark for Evaluating Agentic Tool Use
von: He, Pengfei, et al.
Veröffentlicht: (2025)

SoK: Machine Unlearning for Large Language Models
von: Ren, Jie, et al.
Veröffentlicht: (2025)

Towards Context-Robust LLMs: A Gated Representation Fine-tuning Approach
von: Zeng, Shenglai, et al.
Veröffentlicht: (2025)

Divide-Verify-Refine: Can LLMs Self-Align with Complex Instructions?
von: Zhang, Xianren, et al.
Veröffentlicht: (2024)

FT-Shield: A Watermark Against Unauthorized Fine-tuning in Text-to-Image Diffusion Models
von: Cui, Yingqian, et al.
Veröffentlicht: (2023)

Beyond Text: Unveiling Privacy Vulnerabilities in Multi-modal Retrieval-Augmented Generation
von: Zhang, Jiankun, et al.
Veröffentlicht: (2025)

Exploring Query Understanding for Amazon Product Search
von: Luo, Chen, et al.
Veröffentlicht: (2024)

Seeing but Not Believing: Probing the Disconnect Between Visual Attention and Answer Correctness in VLMs
von: Liu, Zhining, et al.
Veröffentlicht: (2025)

Learning Fair Models without Sensitive Attributes: A Generative Approach
von: Zhu, Huaisheng, et al.
Veröffentlicht: (2022)

MemMA: Coordinating the Memory Cycle through Multi-Agent Reasoning and In-Situ Self-Evolution
von: Lin, Minhua, et al.
Veröffentlicht: (2026)

A Comprehensive Survey on Reinforcement Learning-based Agentic Search: Foundations, Roles, Optimizations, Evaluations, and Applications
von: Lin, Minhua, et al.
Veröffentlicht: (2025)

Generalizing Test-time Compute-optimal Scaling as an Optimizable Graph
von: Wang, Fali, et al.
Veröffentlicht: (2025)

Unlocking the Power of Multi-Agent LLM for Reasoning: From Lazy Agents to Deliberation
von: Zhang, Zhiwei, et al.
Veröffentlicht: (2025)

Can Pre-training Indicators Reliably Predict Fine-tuning Outcomes of LLMs?
von: Zeng, Hansi, et al.
Veröffentlicht: (2025)

A Comprehensive Evaluation of LLM Unlearning Robustness under Multi-Turn Interaction
von: Pan, Ruihao, et al.
Veröffentlicht: (2026)

Harnessing the Unseen: The Hidden Influence of Intrinsic Knowledge in Long-Context Language Models
von: Fu, Yu, et al.
Veröffentlicht: (2025)

Learning with Less: Knowledge Distillation from Large Language Models via Unlabeled Data
von: Li, Juanhui, et al.
Veröffentlicht: (2024)

SimRAG: Self-Improving Retrieval-Augmented Generation for Adapting Large Language Models to Specialized Domains
von: Xu, Ran, et al.
Veröffentlicht: (2024)

Code Less, Align More: Efficient LLM Fine-tuning for Code Generation with Data Pruning
von: Tsai, Yun-Da, et al.
Veröffentlicht: (2024)

EFUF: Efficient Fine-grained Unlearning Framework for Mitigating Hallucinations in Multimodal Large Language Models
von: Xing, Shangyu, et al.
Veröffentlicht: (2024)

DiffusionShield: A Watermark for Copyright Protection against Generative Diffusion Models
von: Cui, Yingqian, et al.
Veröffentlicht: (2023)

Towards the Resistance of Neural Network Watermarking to Fine-tuning
von: Tang, Ling, et al.
Veröffentlicht: (2025)

Position: Agentic Evolution is the Path to Evolving LLMs
von: Lin, Minhua, et al.
Veröffentlicht: (2026)

Hierarchical Query Classification in E-commerce Search
von: He, Bing, et al.
Veröffentlicht: (2024)

Attack by Unlearning: Unlearning-Induced Adversarial Attacks on Graph Neural Networks
von: Zhang, Jiahao, et al.
Veröffentlicht: (2026)