论文提出 FASD 方法解耦多模态大模型的遗忘与拒绝学习以达成诚实无知状态

该研究指出当前多模态大模型（MLLM）的遗忘评估仅关注是否停止输出目标信息，掩盖了两种关键失效模式：一是知识抑制技术常引发模型对已遗忘主题产生事实性幻觉；二是拒绝训练仅改变可观测行为而未擦除底层知识，导致模型在多项选择题探测下仍能识别正确答案。

为解决上述问题，作者提出遗忘感知自蒸馏（FASD）方法，将目标拆分为行为通道与知识通道两个互补路径。行为通道从自身被遗忘提示触发的副本中蒸馏适当的拒绝响应，同时屏蔽目标 token 以防意外重教；知识通道则独立于生成响应直接压制真实答案片段。实验表明该方法成功实现了目标知识的遗忘，防止开放任务中的信息泄露，并保留了保留数据上的性能。

这一成果揭示了当前 MLLM 遗忘技术的评估缺陷，即表面合规可能伴随深层知识残留或幻觉风险。FASD 通过强制模型承认知识边界而非单纯回避回答，为构建具备自我认知能力的 AI 系统提供了新的技术路径。文中未提及具体基座模型名称、参数量及测试数据集细节，代码与数据将在发表后公开。