大型语言模型（ LLM ）可以记忆和复制敏感、受版权保护或其他不受欢迎的培训内容，从而引发隐私、安全和监管方面的担忧。机器学习提供了全面再培训的实用替代方案，但许多现有方法应用广泛的或固定的参数更新，这些更新可能会降低效用，并在部署更改（如培训后）下保持脆弱

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2609.10439v1)获取最准确的信息。

---
🔗 **原文链接**: [Forgetting Only What Matters: Layer-Selective Unlearning tow](https://arxiv.org/abs/2609.10439v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Ravi Ranjan, Olivera Kotevska, Agoritsa Polyzou

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-09-10 14:02