Nullify：免训练LLM遗忘的零空间激活引导方法
Get the story
2026年10月9日，arXiv Machine Learning Theory发布一手报道，介绍名为Nullify的免训练、非破坏性大语言模型遗忘激活引导方法。该方法在推理阶段使用引导向量，将隐私相关激活从记忆答案上重定向，同时满足零空间约束，使保留查询的激活基本不受影响。评测显示，在TOFU和MUSE基准上，Nullify的遗忘质量达到或超过既有基线，并近乎无损地保持模型效用。由于完全不做权重更新，它可作为高效、即插即用的推理时干预框架。目前报道仅涉及该方法原理与评测结果，未见后续验证或争议信息。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Machine Learning TheoryNullify：面向免训练 LLM 遗忘的零空间激活引导方法
Nullify 是一种免训练、非破坏性的 LLM 遗忘激活引导方法，在推理阶段用引导向量把隐私相关激活从记忆答案上重定向，同时满足零空间约束，使保留查询的激活基本不受影响。在 TOFU 和 MUSE 评测上，Nullify 的遗忘质量达到或超过既有基线，并近乎无损地保持模型效用；由于完全不做权重更新，它可作为高效、即插即用的推理时干预框架。
Heat trend
Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.