Fugu-MT 論文翻訳(概要): Machine Unlearning for Large Language Models: Foundations, Advances, and Agentic Extensions

論文の概要: Machine Unlearning for Large Language Models: Foundations, Advances, and Agentic Extensions

arxiv url: http://arxiv.org/abs/2609.30909v1
Date: Fri, 25 Sep 2026 07:17:20 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-28 18:27:51.27554
Title: Machine Unlearning for Large Language Models: Foundations, Advances, and Agentic Extensions
Title（参考訳）: 大規模言語モデルのための機械学習:基礎、進歩、エージェント拡張
Abstract要約: 機械学習は、他の能力を維持しながら、ターゲットの影響を取り除くことを目的としている。この調査は、大規模言語モデルとシステムにわたるメソッド、ベンチマーク、エビデンスを比較します。
参考スコア（独自算出の注目度）: 23.05164317612923
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Machine unlearning aims to remove target influence while preserving other capabilities. This survey compares methods, benchmarks, and evidence across large language models and systems using retrieval, memory, tools, and interacting agents. A five-layer framework connects removal requests, system boundaries, target locations, interventions, and supported claims. A seven-stage lifecycle and six evidence dimensions guide comparison. The review shows that target construction, retained data, and recovery tests affect reported outcomes. Evidence from model evaluations remains insufficient to establish removal across external state and subsequent updates, motivating evaluation that tracks dependencies and tests whether target influence returns.
Abstract（参考訳）: 機械学習は、他の能力を維持しながら、ターゲットの影響を取り除くことを目的としている。本調査では,検索,メモリ,ツール,対話エージェントを用いた大規模言語モデルとシステムを対象に,手法,ベンチマーク,エビデンスを比較した。 5層フレームワークは、削除要求、システムバウンダリ、ターゲット位置、介入、サポートされたクレームを接続する。 7段階のライフサイクルと6つのエビデンス次元が比較を導く。調査の結果, 目標構築, 保持データ, 回収テストが報告された結果に影響を及ぼすことが示された。モデル評価からのエビデンスは、外部状態とその後の更新の削除を確立するには不十分であり、依存関係を追跡し、ターゲットの影響が返されるかどうかをテストするモチベーション評価である。

関連論文リスト

World Models for Embodied Intelligence: From Plausible to Controllable to Actionable [100.13060753774657]
世界モデルは、隠れた状態を維持し、結果を予測し、介入を比較し、実行が期待から外れたときに適応することによって、インテリジェンスにおける知覚と意思決定を結びつける。これは、どの予測能力が振る舞いを改善するかという、中心的な疑問を提起する。可塑性モデルは、タスク関連時間的・幾何学的・物理的構造を保存し、制御可能なモデルは、介入がどのように構造を変えるかを予測し、アクション可能なモデルは、予測を計画、行動、学習、評価、検証、回復、データ選択において測定可能な利得に変換する。
論文参考訳（メタデータ） (2026-09-15T06:22:42Z)
Think, Look, and Revise: Inconsistency-Aware Visual Self-Correction in MLLMs [35.17881745040865]
ツール拡張マルチモーダル推論は、外部ツールをマルチモーダルな言語モデルに統合する。ツール強化推論のための検証と動的エラー回復をMLLMに組み込むフレームワークであるReVISEを提案する。
論文参考訳（メタデータ） (2026-08-29T17:22:08Z)
Terminal Agents: A Survey of AI Agents in Command-Line Environments [102.48222742145474]
大規模言語モデルエージェントは、ターミナルを通してますます行動するが、既存の調査は、ソフトウェア工学、ツールの使用、コンピュータ利用の研究にまたがって端末による振る舞いを分散させている。我々は,端末エージェントを,端末コマンドの実行,テキストフィードバック,ステートフルな環境相互作用を介し,進行を伴う動作を主とするシステムとみなす。我々の合成は、実現された行動はモデル、インターフェース、ハーネス、ランタイム、環境によって共同で形成されていることを示している。
論文参考訳（メタデータ） (2026-08-20T18:16:44Z)
From Question Answering to Task Completion: A Survey on Agent System and Harness Design [67.8241530947325]
本研究はモデルハーネスレンズを用いてLCMをベースとしたエージェントについて検討する。まず, LLMをベースとしたエージェントを基礎モデルと実行ハーネスとして, エージェントの機能的定義と実装の視点を明らかにする。次に、モデル中心のスケーリングの限界を分析し、エージェントエンジニアリングの4つのパラダイムをトレースし、実行ハーネスを6つの結合ランタイム責任に分解する。
論文参考訳（メタデータ） (2026-06-14T05:40:16Z)
From Agent Traces to Trust: Evidence Tracing and Execution Provenance in LLM Agents [20.651400118242346]
大規模言語モデル(LLM)ベースのエージェントは、外部ツール、検索システム、メモリモジュール、環境、その他のエージェントと相互作用することで、複雑なタスクをますます解決する。最終回答の精度だけでは、アウトプットがどのように生成されたかは説明できないため、それぞれのクレーム、ツールコールが正当化されたか、後の決定にメモリがどのように影響したか、実行失敗がどこから発生したかといった証拠が裏付けられている。エビデンストレースと実行の証明は、検索されたエビデンス、ツール出力、メモリアイテム、環境観察、中間クレーム、アクション、最終回答がエージェントの実行を通してどのように接続されているかをモデル化することによって、このギャップに対処する。
論文参考訳（メタデータ） (2026-06-03T15:12:47Z)
Interactive Evaluation Requires a Design Science [90.62695599188204]
大規模言語モデル(LLM)は、ツールや環境、ユーザ、その他のエージェントを通じて、時間とともに機能するシステムとして、ますます多くデプロイされている。フィールドはインタラクティブなベンチマークを構築し始めたが、その結果のランドスケープは断片化されている。本論では,対話的評価は原則的評価パラダイムとして扱うべきであると論じる。
論文参考訳（メタデータ） (2026-05-18T04:03:18Z)
Factored Reasoning with Inner Speech and Persistent Memory for Evidence-Grounded Human-Robot Interaction [38.120218754079055]
本稿では,対話を部分的に観察可能なマルコフ決定プロセスとしてモデル化する支援ロボットの認知アーキテクチャであるJANUSを紹介する。 Janusは、全体的な振る舞いを、スコープ検出、意図認識、メモリ、内的音声、クエリ生成、外的音声に関連する特別なモジュールに分解する。我々は、知識グラフに基づく食事補助ドメインにおけるモジュールレベルのユニットテストを通じてJANUSを評価し、キュレートされた参照と実際の遅延プロファイルとの高い一致を報告した。
論文参考訳（メタデータ） (2026-01-31T11:42:33Z)
Automated Detection of Visual Attribute Reliance with a Self-Reflective Agent [58.90049897180927]
視覚モデルにおける視覚的特徴の意図しない依存を検出するための自動フレームワークを提案する。自己反射エージェントは、モデルが依存する可能性のある視覚特性に関する仮説を生成し、テストする。我々は,視覚特性の多様さを示すために設計された130モデルの新しいベンチマークに対して,我々のアプローチを評価した。
論文参考訳（メタデータ） (2025-10-24T17:59:02Z)
ROSCOE: A Suite of Metrics for Scoring Step-by-Step Reasoning [63.77667876176978]
大規模言語モデルでは、最終回答を正当化するためにステップバイステップの推論を生成するように促された場合、ダウンストリームタスクの解釈可能性が改善されている。これらの推論ステップは、モデルの解釈可能性と検証を大幅に改善するが、客観的にそれらの正確性を研究することは困難である。本稿では、従来のテキスト生成評価指標を改善し拡張する、解釈可能な教師なし自動スコアのスイートであるROSを提案する。
論文参考訳（メタデータ） (2022-12-15T15:52:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。