マルチモーダル大規模言語モデルにおける「忘却」を視覚情報で導く新手法ViKeR

要約

マルチモーダル大規模言語モデル（MLLM）が特定の画像に関する個人情報を漏らさないようにする「アンラーニング（忘却）」に関する研究である。既存手法がすべての回答トークンを一律に扱うのに対し、本手法「ViKeR」は視覚情報を活用して重要なトークンを特定し、優先的に学習プロセスを調整する。

全文は有料プランで閲覧できます。