面向知识去除的大型语言模型的目标角度权重反转方法（TARS）

本研究解决了现代大型语言模型（LLMs）面临的敏感知识去除的问题，提出了一种名为目标角度权重反转（TARS）的方法。该方法通过精细化的提示聚合内部表示中的概念向量，并以最小的性能影响，实现了多语言知识的有效去除。研究表明，利用TARS进行的知识去除可以将目标概念的触发概率降至0.00，并且对模型的整体能力影响微乎其微。