Neuralyzing the Trace: Selective Representation-Level Unlearning with Contrastive Sparse Autoencoders

arXiv cs.AI · 28 sept, 06:00

Investigadores presentan SCALPEL, un método basado en autoencodificadores dispersos contrastivos para el machine unlearning selectivo en modelos de lenguaje. La técnica busca eliminar información específica (como datos personales bajo GDPR) de las representaciones internas del modelo sin afectar otras capacidades, mejorando sobre métodos previos como NMF y RMU.