RLHF 2%的算力应用于消除LLM有害输出，字节发布遗忘学习技术
随着大型语言模型（LLM）的发展，从业者面临更多挑战。如何避免LLM产生有害回复？如何快速删除训练数据中的版权保护内容？如何减少LLM幻觉（hallucinations，即错误事实）?如何在数据政策更改后快速迭代LLM？这些问题在人工智能法律和道德的合规要求日益成熟的大趋势下，对于LLM的安全可信部署至关重要。目前业界的主流解决方案是通过使用强化学习的方式对齐LLM（对齐）来微调对比数据（正样本和负样本），以确保LLM的输出符合人类的预期和价值观。然而，这个对齐过程通常会受到数据收集和计算资源的限制字节跳
随着大型语言模型（LLM）的发展，从业者面临更多挑战。如何避免 LLM 产生有害回复？如何快速删除训练数据中的版权保护内容？如何减少 LLM 幻觉（hallucinations，即错误事实）? 如何在数据政策更改后快速迭代 LLM？这些问题在人工智能法律和道德的合规要求日益成熟的大趋势下，对于 LLM 的安全可信部署至关重要。
目前业界的主流解决方案是通过使用强化学习的方式对齐LLM（对齐）来微调对比数据（正样本和负样本），以确保LLM的输出符合人类的预期和价值观。然而，这个对齐过程通常会受到数据收集和计算资源的限制
字节跳动提出了一种让LLM进行遗忘学习的方法来进行对齐。本文研究了如何在LLM上进行"遗忘"操作，即忘记有害行为或遗忘学习（Machine Unlearning）。作者展示了遗忘学习在三种LLM对齐场景上取得的明显效果：（1）删除有害输出；（2）移除侵权保护内容；（3）消除大语言LLM幻觉
遗忘学习有三个优势：(1) 只需负样本（有害样本），负样本比 RLHF 所需的正样本（高质量的人工手写输出）的收集简单的多（比如红队测试或用户报告）；(2) 计算成本低；(3) 如果知道哪些训练样本导致 LLM 有害行为时，遗忘学习尤为有效。
作者的论点是，对于资源有限的从业者来说，他们应该优先考虑停止产生有害输出，而不是试图追求过于理想化的输出，并且忘记学习是一种方便的方法。尽管只有负样本，研究表明，在只使用2%的计算时间下，忘记学习仍然可以获得比强化学习和高温高频算法更好的对齐性能
- 论文地址：https://arxiv.org/abs/2310.10683
- 代码地址：https://github.com/kevinyaobytedance/llm_unlearn
使用场景
在资源有限的情况下，我们可以采用这种方法来最大程度地发挥优势。当我们没有预算请人员编写高质量样本或者计算资源不足时，我们应该优先停止 LLM 产生有害输出，而不是试图让它产生有益输出
有害的输出所造成的损害是无法被有益的输出所弥补的。如果一个用户向LLM提出100个问题，他得到的答案是有害的，那么他将失去信任，无论LLM之后提供了多少有益的答案。有害问题的预期输出可能是空格、特殊字符、无意义的字符串等，总之，必须是无害的文本
展示了LLM遗忘学习的三个成功案例：(1) 停止生成有害回复（请将内容改写为中文，不需要出现原始句子）；这与RLHF情境相似，区别是本方法的目标是生成无害回复，而不是有益回复。当只有负样本时，这是能期望的最好结果。(2) 在使用侵权数据训练后，LLM成功删除了数据，并考虑到成本因素不能重新训练LLM；(3) LLM成功忘记了"幻觉"
请将内容改写为中文，不需要出现原始句子
方法
在微调步骤t中，LLM的更新如下：
第一项损失为梯度上升（graident descent），目的为忘记有害样本:
为有害提示 (prompt)，
为对应的有害回复。整体损失反向提升了有害样本的损失，即让 LLM “遗忘” 有害样本。
第二项损失是针对随机误配的，它要求LLM在有害提示的情况下预测出无关回复。这类似于分类中的标签平滑（label smoothing [2]）。其目的是让LLM更好地遗忘有害提示上的有害输出。同时，实验证明这种方法可以提高LLM在正常情况下的输出性能
第三项损失为在正常任务上维持性能：
同 RLHF 类似，在预训练 LLM 上计算 KL 散度能更好保持 LLM 性能。
此外，所有的梯度上升和下降都只在输出（y）部分做，而不是像 RLHF 在提示 - 输出对（x, y）上。
应用场景：忘却有害内容等
本文用 PKU-SafeRLHF 数据作为遗忘数据，TruthfulQA 作为正常数据，图二的内容需要进行改写显示了遗忘学习后 LLM 在忘却的有害提示上输出的有害率。文中使用的方法为 GA（梯度上升和 GA+Mismatch：梯度上升 + 随机误配）。遗忘学习后的有害率接近于零。
图二的内容需要进行改写
第三张图显示了有害提示（不被遗忘）的输出结果，这是之前未曾见过的。即使是在没有被遗忘的有害提示上，LLM 的有害率也接近于零，这证明LLM遗忘的不仅仅是具体的样本，而是泛化到了包含有害概念的内容
图三
LLM 在正常样本上的性能和忘却前保持类似，同时具有以下特点
表一展示了生成的样本。可以看到在有害提示下，LLM 生成的样本都是无意义字符串，即无害输出。
表一
在其他场景中，比如忘却侵权内容和忘却幻觉，该方法的应用原文进行了详细的描述
RLHF 比较
需要改写的内容是：第二张表格展示了该方法和RLHF的比较，其中RLHF使用了正例，而遗忘学习方法只使用了负例，因此一开始该方法处于劣势。但即便如此，遗忘学习仍能达到与RLHF相似的对齐性能
需要改写的内容是：第二张表格
需要重写的内容：第四张图片显示了计算时间的比较，本方法只需 RLHF 2% 的计算时间。
需要重写的内容：第四张图片
即使只有负样本，使用遗忘学习的方法也可以获得与 RLHF 相当的无害率，并且只需使用 2% 的计算能力。因此，如果目标是停止输出有害内容，相比于 RLHF，遗忘学习的效率更高
结论
这项研究首次探索了LLM上的遗忘学习。研究结果显示，遗忘学习是一种有希望的对齐方法，尤其是在从业者资源不足的情况下。论文展示了三种情况：遗忘学习可以成功删除有害回复、删除侵权内容和消除错觉。研究表明，即使只有负样本，遗忘学习仍然可以在仅使用RLHF计算时间的2%情况下，获得与RLHF相似的对齐效果
Shapr3D是一款面向工业设计、机械工程、建筑概念和三维打印工作流的CAD软件。Mac版采用Parasolid建模内核，支持草图约束、实体建模、工程图、可视化渲染及常见CAD格式交换，并可通过账户在多台设备之间同步项目。
REAPER是Cockos开发的数字音频工作站，提供多轨音频与MIDI录制、剪辑、处理、混音和母带制作工具。Mac版兼容Intel与Apple芯片，支持AU、VST、VST3、CLAP等插件格式，并提供高度可定制的工作流程。
Ableton Live 是面向音乐制作人与现场表演者的数字音频工作站，提供编曲视图、独具特色的现场视图、音频录制、MIDI创作、实时变速、乐器及效果器。Mac版原生支持Apple芯片，并可连接音频接口、MIDI控制器和第三方插件。
Adobe After Effects 是面向动态图形、影视特效与视频合成的专业创作软件。它提供关键帧动画、遮罩抠像、运动跟踪、三维空间、文字动画和表达式等工具，并可与 Premiere Pro、Photoshop、Illustrator
Adobe Audition 是面向播客、影视后期、音乐制作及内容创作者的专业音频工作站，提供波形精修、多轨录制与混音、频谱编辑、降噪修复、响度匹配和效果处理工具，并可与 Adobe Premiere 协同完成视频声音制作。
Adobe Bridge 是面向摄影师、设计师及内容团队的免费数字资产管理工具，可集中预览照片、视频和 Adobe 项目文件，并利用评级、标签、关键词、元数据、筛选与收藏集完成分类检索。它还支持批量重命名、格式导出、相机导入及 Camera
Adobe Illustrator 是 Adobe 推出的专业矢量图形设计软件，适合在 Mac 上制作标志、图标、插画、包装、信息图及印刷版面。它以路径和锚点构建可无损缩放的图形，并提供钢笔、形状、文字、图像描摹、渐变、画板及生成式功能。
Adobe InDesign 是面向印刷品与数字出版物的专业版面设计软件，可在 Mac 上制作书籍、杂志、宣传册、海报、报告及交互式文档。它提供精细的文字样式、网格、母版、长文档管理和印前输出能力。
Adobe Lightroom Classic 是面向桌面摄影工作流的照片管理与后期处理软件，可将原始照片保存在本地硬盘，通过目录、关键词、评分和收藏夹高效整理图库，并提供 RAW 冲印、蒙版、镜头校正、批量同步及多格式导出等功能。
Adobe Media Encoder 是 Adobe 推出的专业音视频编码与转码工具，可通过队列、预设和监视文件夹批量完成格式转换、代理文件创建及多平台成片输出，并与 Premiere Pro、After Effects 等软件紧密协作。
Adobe Photoshop 是面向摄影师、设计师和内容创作者的专业图像处理软件，提供图层、蒙版、选区、修复、调色、文字排版、智能对象及生成式编辑等能力。Mac 版支持 Intel 与 Apple Silicon 处理器。
Adobe Premiere Pro 是面向专业视频制作的非线性剪辑软件，提供多轨时间线、调色、音频处理、字幕、代理工作流和多格式输出能力，并可与 After Effects、Audition、Photoshop 及 Frame.io 协同
Photoshop 2026 是 Adobe 推出的专业图像处理与视觉设计软件，支持 Windows、macOS 和 iPad 等平台，广泛应用于摄影修图、电商设计、平面海报、数字绘画及视觉合成等创作场景。
Blender 是一款免费开源、跨平台的专业 3D 创作软件，集建模、动画、渲染、视频编辑与视觉合成等功能于一体，广泛应用于影视动画、游戏设计和建筑可视化等领域。软件支持 Cycles 物理渲染器与 Eevee 实时渲染引擎，并提供多边形建模、骨骼绑定、物理模拟等专业工具。Blender 兼容 Windows、macOS 和 Linux 系统，安装包轻巧、运行流畅，依托活跃的全球开发者社区持续更新，是从初学者到专业创作者都值得选择的正版 3D 创作工具。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
Wise Folder Hider Pro 是一款专业级文件和文件夹隐藏加密软件，为私密数据添加多重保护。高频操作更强调就近处理，浏览、整理和跨目录移动文件时，来回切换和重复点击都会少很多。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。