Dans l'actualité
Linguistic Loopholes in LLM Unlearning: From a 174-Language Benchmark to Coverage-Aware Unlearning
arXiv cs.AI · Publié le · 3 min de lecture
En 30 secondes
- Ce qui s'est passé
- Unlearning facts in one language doesn't remove them in others; COVER method strategically selects target languages for efficient multilingual fact removal.
- Pourquoi ça compte
- Relevant for engineers deploying LLMs where compliance requires data removal across multiple languages with limited computational budgets.
- Vigilance
- COVER needs calibration data and frozen model access; effectiveness measured mainly on synthetic benchmarks and limited low-resource language tests.
- llm
- rag
- edge
- benchmark
Les patterns derrière cette actualité
- Budget-Guarded Autonomy
- MAPS: Multilingual Agent Performance & Security
- Agentic Context Engineering (Evolving Playbook)
Chacun explique le fonctionnement de la technique, quand elle vaut son coût et où elle casse.
The Agent Architect
Un pattern, un compromis, une panne de production racontée. Un brief hebdomadaire court pour ceux qui construisent des systèmes agentiques.
Un email par semaine, désinscription en un clic. Votre adresse ne sert qu'à envoyer le brief.