跳到正文
arXiv · 机器人与计算机视觉· Mohamed-Hicham Leghettas, Markus P\"uschel·· 2026-10-20AI 评分38

BEM:通过双级优化学习布雷格曼散度以在流匹配模型中实现概念擦除

BEM: Learning Bregman Divergences for Concept Erasure in Flow Matching Models

AI 导读

BEM 是首个通过学习布雷格曼散度的流匹配微调方法,能在擦除不当概念的同时保持模型其他能力。实验显示该方法在 GEM 协议下将血腥内容的 unsafe rate 从 53.9% 降至 14.4%,并将裸体生成的 FID 从 8.64 改善至 6.64。该预印本目前处于审稿中,代码与权重尚未开放。

来源:arXiv · 机器人与计算机视觉 · arxiv.org