Buchumschlag

Unlearning What Matters: Token-Level Attribution for Precise Language Model Unlearning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Jiawei, Zhou, Doudou
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Forget What Matters, Keep the Rest: Selective Unlearning of Informative Tokens
von: Koh, Seunghee, 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)

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

GUARD: Guided Unlearning and Retention via Data Attribution for Large Language Models
von: Niu, Peizhi, et al.
Veröffentlicht: (2025)

UniErase: Towards Balanced and Precise Unlearning in Language Models
von: Yu, Miao, et al.
Veröffentlicht: (2025)

Evaluating Deep Unlearning in Large Language Models
von: Wu, Ruihan, et al.
Veröffentlicht: (2024)

Which Retain Set Matters for LLM Unlearning? A Case Study on Entity Unlearning
von: Chang, Hwan, et al.
Veröffentlicht: (2025)

Learn while Unlearn: An Iterative Unlearning Framework for Generative Language Models
von: Tang, Haoyu, et al.
Veröffentlicht: (2024)

Split, Unlearn, Merge: Leveraging Data Attributes for More Effective Unlearning in LLMs
von: Kadhe, Swanand Ravindra, et al.
Veröffentlicht: (2024)

CodeUnlearn: Amortized Zero-Shot Machine Unlearning in Language Models Using Discrete Concept
von: Wu, YuXuan, et al.
Veröffentlicht: (2024)

Soft Token Attacks Cannot Reliably Audit Unlearning in Large Language Models
von: Chen, Haokun, et al.
Veröffentlicht: (2025)

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

Backdoor Token Unlearning: Exposing and Defending Backdoors in Pretrained Language Models
von: Jiang, Peihai, et al.
Veröffentlicht: (2025)

Offset Unlearning for Large Language Models
von: Huang, James Y., et al.
Veröffentlicht: (2024)

ZeroUnlearn: Few-Shot Knowledge Unlearning in Large Language Models
von: Lin, Yujie, et al.
Veröffentlicht: (2026)

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

A Survey on Unlearning in Large Language Models
von: Qiu, Ruichen, et al.
Veröffentlicht: (2025)

Large Language Model Unlearning
von: Yao, Yuanshun, et al.
Veröffentlicht: (2023)

Deep Contrastive Unlearning for Language Models
von: He, Estrid, et al.
Veröffentlicht: (2025)

Machine Unlearning in Large Language Models
von: Gundavarapu, Saaketh Koundinya, et al.
Veröffentlicht: (2024)

Soft Prompting for Unlearning in Large Language Models
von: Bhaila, Karuna, et al.
Veröffentlicht: (2024)

Investigating Model Editing for Unlearning in Large Language Models
von: Hossain, Shariqah, et al.
Veröffentlicht: (2025)

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

Second-Order Information Matters: Revisiting Machine Unlearning for Large Language Models
von: Gu, Kang, et al.
Veröffentlicht: (2024)

Model Unlearning Objectives Vary for Distinct Language Functions
von: Atil, Berk, et al.
Veröffentlicht: (2026)

Evaluating Cross-Lingual Unlearning in Multilingual Language Models
von: Lizzo, Tyler, et al.
Veröffentlicht: (2026)

Mitigating Biases in Language Models via Bias Unlearning
von: Liu, Dianqing, et al.
Veröffentlicht: (2025)

Tokens for Learning, Tokens for Unlearning: Mitigating Membership Inference Attacks in Large Language Models via Dual-Purpose Training
von: Tran, Toan, et al.
Veröffentlicht: (2025)

Direct Token Optimization: A Self-contained Approach to Large Language Model Unlearning
von: Lee, Hong kyu, et al.
Veröffentlicht: (2025)

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

CATNIP: LLM Unlearning via Calibrated and Tokenized Negative Preference Alignment
von: Yang, Zhengbang, et al.
Veröffentlicht: (2026)

Understanding the Dilemma of Unlearning for Large Language Models
von: Zhang, Qingjie, et al.
Veröffentlicht: (2025)

Rethinking Machine Unlearning for Large Language Models
von: Liu, Sijia, et al.
Veröffentlicht: (2024)

Learning and Unlearning of Fabricated Knowledge in Language Models
von: Sun, Chen, et al.
Veröffentlicht: (2024)

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)

Token-Level Precise Attack on RAG: Searching for the Best Alternatives to Mislead Generation
von: Li, Zizhong, et al.
Veröffentlicht: (2025)

Guardrail Baselines for Unlearning in LLMs
von: Thaker, Pratiksha, et al.
Veröffentlicht: (2024)

SAEs $\textit{Can}$ Improve Unlearning: Dynamic Sparse Autoencoder Guardrails for Precision Unlearning in LLMs
von: Muhamed, Aashiq, et al.
Veröffentlicht: (2025)

Towards Safer Large Language Models through Machine Unlearning
von: Liu, Zheyuan, et al.
Veröffentlicht: (2024)