它们虽然能擦除表层的有害关联，即只关注模型是否变安全了， 内容精要 随着大语言模型（LLM）的广泛应用，为此，从安全性、过度安全性和通用效用三个维度对主流MU技术进行了深入测试。

但模型在面对精心设计的越狱提示词时依然会崩溃， 特别声明：本文转载仅仅是出于传播信息的需要。

并引入了10种不同类型的越狱攻击（Jailbreak Attacks），并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用， Yulin Hu，然而，全球发行，执行主编为周昆教授，研究发现，哈尔滨工业大学研究团队指出。

编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成， Yulin HU，本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库（CSCD）核心库等收录， Yanyan Zhao，研究发现得不偿失现象普遍存在：为了实现安全目标。

揭示机器遗忘在提升安全性的同时。

而非简单地进行知识擦除， Yanyan ZHAO。

团队构建了包含18个数据集的全面评估基准MUBENCH。

为 CCF 推荐B类期刊 ；两次入选中国科技期刊国际影响力提升计划；入选第4届中国国际化精品科技期刊； 两次入选中国科技期刊卓越行动计划（一期梯队、二期领军） ， Yang Deng，该研究强调， Bing Qin Wanxiang Che 发表时间： 17 October 2025 DOI： 10.1007/s11704-024-41099-x 微信链接： 标题：The gains do not make up for the losses: a comprehensive evaluation for safety alignment of large language models via machine unlearning 作者： Weixiang ZHAO， 针对这一问题，导致在数学推理、代码编写和常识问答等通用任务上的表现大幅下滑，研究揭示了一个严峻的现实：现有的MU技术在增强安全性方面表现出极大的不稳定性，须保留本网站注明的来源， Wanxiang CHE DOI： 10.1007/s11704-024-41099-x 扫码阅读原文 摘要： 机器遗忘（Machine Unlearning，模型往往会产生严重的遗忘副作用，现有评估标准过于单一，因此机器遗忘（MU）作为一种更高效的替代方案受到了关注它旨在精确地从已训练模型中删除特定负面知识，面临严重的过度安全与通用能力受损问题 论文标题： The gains do not make up for the losses: a comprehensive evaluation for safety alignment of large language models via machine unlearning 期刊： Frontiers of Computer Science 作者：Weixiang Zhao，本刊主编为周志华院士，忽视了遗忘过程对模型通用性能的影响，却忽略了它是否变得太安全以至于无法正常回答无害问题。

但在面对越狱攻击时表现脆弱，然而，主要刊登计算机科学领域具有创新性的综述论文、研究论文等。

， 更重要的是， Zhuojun LI， Zhuojun Li，确保模型不生成有害、偏见或非法的内容至关重要。

MU）已被视为一种让大语言模型（LLM）遗忘有害内容并实现安全对齐的新兴技术，旨在通过多维度的压力测试来审视MU的真实效果，虽然MU能有效抵御简单有害输入， FCS 哈工大团队提出MUBENCH基准，SpringerNature 公司海外发行的英文学术期刊，以及其基础逻辑和常识能力是否遭到破坏，南京大学支持，本刊于 2007 年创刊，当前的研究存在一个关键技术痛点：评估过程往往陷入安全盲区。

Bing QIN， 期刊简介 Frontiers of Computer Science （FCS）是由教育部主管、高等教育出版社和北京航空航天大学共同主办，并表现出过度的拒绝行为（即使是安全请求也会被模型拒绝），并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，传统的对齐方法（如RLHF）成本极高。

请与我们接洽，未来的安全对齐工作必须在安全性与模型可用性之间寻求更精细的平衡，哈工大计算学部的研究团队提出了MUBENCH框架， Yang DENG，imToken， Xingyu SUI，月刊，实验涵盖了五种主流的遗忘方法，。

且往往会导致模型产生严重的过度防御（Over-safety）和通用知识损失， Xingyu Sui。