FOM-UL：基于层级选择性遗忘的大模型鲁棒机器遗忘框架

大模型在机器遗忘后经过量化微调，被抹去的数据往往容易重新浮现。研究者提出FOM-UL框架，通过计算遗忘与保留的显著性评分，仅针对特定网络层集中更新，避开了全局弥散式修改。在TOFU与MUSE等基准测试中，该方法在4比特与8比特量化部署下，依然较好地维持了消除效果与原有通用能力。