Resumen: Los modelos de base han transformado el análisis multimedia al permitir representaciones robustas y transferibles a través de diversas modalidades y tareas. Sin embargo, su implementación estática entra en conflicto con las crecientes demandas sociales y regulatorias, particularmente la necesidad de desaprender datos específicos a pedido, según lo ordenado por marcos de privacidad como el GDPR. Los enfoques de desaprendizaje tradicionales, que incluyen reentrenamiento, edición de activación o destilación, a menudo son computacionalmente caros, frágiles y mal adecuados para los sistemas en tiempo real o en evolución continua. En este artículo, proponemos un cambio de paradigma: repensar el desaprendizaje no como una intervención retroactiva sino como una capacidad incorporada. Introducimos un marco de aprendizaje basado en aviso que unifica la adquisición y eliminación de conocimiento dentro de una sola fase de capacitación. En lugar de codificar información en pesos de modelos, nuestro enfoque une la semántica a nivel de clase a tokens de inmediato dedicados. Este diseño permite el desaprendizaje instantáneo simplemente eliminando el mensaje correspondiente, sin reentrenamiento, modificación del modelo o acceso a datos originales. Los experimentos demuestran que nuestro marco conserva el rendimiento predictivo en las clases retenidas al tiempo que borra efectivamente las olvidadas. Más allá de la utilidad, nuestro método exhibe fuertes garantías de privacidad y seguridad: es resistente a los ataques de inferencia de membresía, y la eliminación rápida evita cualquier extracción de conocimiento residual, incluso en condiciones adversas. Esto garantiza el cumplimiento de los principios y salvaguardas de protección de datos contra el acceso no autorizado a la información olvidada, lo que hace que el marco sea adecuado para la implementación en entornos confidenciales y regulados. En general, al incrustar la eliminación en la arquitectura misma, este trabajo establece una nueva base para diseñar modelos AI modulares, escalables y éticamente receptivos.
Publicado Originalme en export.arxiv.org El 21 de septiembre de 2025.
Ver Fuente Original
