MANCE: Manifold Aware Concept Erasure
Bar-Ilan University（巴伊兰大学）；Allen Institute for Artificial Intelligence（艾伦人工智能研究所）
提出流形约束假设，在新概念擦除方法MANCE中实例化，利用分类器信号迭代更新表示，投影概念移除更新到估计流形，经多设置评估，其改进泄漏结果，MANCE+和MANCE++有更好权衡，MANCE++达非线性概念擦除最优。
2026-07-07 cs.LG
Linear Adversarial Concept Erasure
Bar Ilan University（巴伊兰大学）；Allen Institute for Artificial Intelligence（艾伦人工智能研究所）；ETH Zürich（苏黎世联邦理工学院）
本文提出线性对抗概念擦除方法，通过建模为线性极大极小博弈并求解闭式解或凸松弛，有效擦除表示中的概念子空间，以减轻深度分类器中的偏见。
2024-12-17 cs.CL cs.LG
Erasing with Precision: Evaluating Specific Concept Erasure from Text-to-Image Generative Models
Meiji University（明治大学）
针对文本到图像生成模型概念擦除评估依赖主观可视化的问题，提出 EraseEval 评估方法，通过三项基本标准整合为单一稳健指标，揭示现有方法不足并指引未来方向。
2025-02-19 cs.AI cs.CL cs.CV
Obliviator Reveals the Cost of Nonlinear Guardedness in Concept Erasure
Michigan State University（密歇根州立大学）
本文提出Obliviator方法，通过迭代优化消除非线性依赖，揭示消除过程中属性保护与效用保持之间的动态关系，其消解-效用权衡曲线优于基线方法。
2026-04-29 cs.LG
Evaluating Sparse Autoencoders on Targeted Concept Erasure Tasks
Anthropic
针对稀疏自编码器（SAEs）缺乏高质量性能指标的问题，提出基于SHIFT的自动化评估方法（用LLM替代人类标注者）和目标探针扰动（TPP）指标，应用于开源模型后可有效区分SAE训练超参数与架构。
2024-11-28 cs.CL cs.LG
Empty SPACE: Cross-Attention Sparsity for Concept Erasure in Diffusion Models
University of Klagenfurt（克雷格弗尔特大学）
本文提出SPACE方法，通过迭代修改交叉注意力参数实现概念擦除，提升大模型的擦除效果和鲁棒性，同时实现高稀疏性以降低存储需求。
2026-05-11 cs.AI cs.LG
DyME: Dynamic Multi-Concept Erasure in Diffusion Models with Bi-Level Orthogonal LoRA Adaptation
Clemson University（克莱姆森大学）
针对扩散模型静态多概念擦除的局限，提出DyME框架，通过训练概念特定LoRA适配器并按需动态组合，结合双层正交约束减少干扰，在ErasureBench-H等基准上实现更高保真度的多概念擦除。
2025-09-25 cs.AI cs.CV cs.LG
MACE: Mass Concept Erasure in Diffusion Models
School of Computer Science and Engineering, Nanyang Technological University（南洋理工大学计算机科学与工程学院）
针对扩散模型易生成有害内容的问题，提出MACE微调框架，结合闭式交叉注意力优化与LoRA微调，可同时擦除至多100个概念并兼顾通用性与特异性，在四类擦除任务中性能优于现有方法。
2024-03-10 cs.AI cs.CV cs.LG
Separable Multi-Concept Erasure from Diffusion Models
提出SepME方法，通过生成概念无关表示和权重解耦，实现扩散模型中多概念的可分离擦除与恢复，保持生成性能。
2024-02-03 cs.CV cs.LG
Erased but Not Forgotten: How Backdoors Compromise Concept Erasure
本文揭示了一种名为擦除规避后门（EEB）的漏洞，攻击者将后门触发器绑定到待擦除概念上，使得该恶意链接在后续擦除后仍然存在，从而绕过多种概念擦除方法。
2026-10-06 cs.AI cs.CR cs.LG
Fantastic Targets for Concept Erasure in Diffusion Models and Where To Find Them
Monash University（墨尔本大学）；Defence Science and Technology Group, Australia（澳大利亚国防科学与技术集团）
针对扩散模型概念擦除中固定目标策略的不足，提出自适应引导擦除（AGE）方法，通过动态选择最优目标概念，在保持擦除效果的同时显著减少对无关概念的副作用。
2025-05-23 cs.AI cs.CV cs.LG
Closed-Form Concept Erasure via Double Projections
National University of Singapore（新加坡国立大学）；Shanghai Jiao Tong University（上海交通大学）；University of Nevada, Reno（内华达大学里诺分校）
本文提出一种无需训练的线性变换框架，通过两次闭式步骤实现安全高效的概念擦除，实验显示其性能优于现有方法并能更忠实保留非目标概念。
2026-04-11 cs.AI cs.LG
Zero-Residual Concept Erasure via Progressive Alignment in Text-to-Image Model
The Hong Kong University of Science and Technology（香港科学与技术大学）；University of Science and Technology of China（中国科学技术大学）
针对现有闭式概念擦除方法存在残差导致擦除不完整及深层更新损害生成质量的问题，提出ErasePro方法，通过零残差约束和渐进逐层更新，实现更彻底擦除并保持生成质量。
2025-08-06 cs.AI cs.CV cs.LG
Consistency-Preserving Concept Erasure via Unsafe-Safe Pairing and Directional Fisher-weighted Adaptation
Korea University（韩国大学）；New York University（纽约大学）；Korea Institute of Science（韩国科学技术院）
本文提出PAIR框架，通过不安全-安全配对和方向性Fisher加权适应，实现对有害概念的精细化擦除，保持生成内容的结构和语义一致性。
2026-02-05 cs.CV cs.LG
No Concept Escapes the Audit: Auditing-Aware Unlearning for Verifiable Concept Erasure in Diffusion Models
Clemson University（克莱姆森大学）；The University of Tulsa（塔尔萨大学）；University of Georgia（佐治亚大学）；The University of Arizona（亚利桑那大学）；Peking University（北京大学）
针对扩散模型概念擦除后仍可从内部表示恢复的问题，提出审计感知的AVCE框架，通过潜空间审计与锚点编辑实现可验证擦除，显著降低攻击成功率并提升审计分数。
2026-10-14 cs.AI cs.LG
AEGIS: Adversarial Target-Guided Retention-Data-Free Robust Concept Erasure from Diffusion Models
State Key Laboratory of Internet of Things and Smart City, University of Macau（物联网与智能城市国家重点实验室，澳门大学）；TMLR Group, Department of Computer Science, Hong Kong Baptist University（TMLR集团，香港 Baptist大学计算机科学系）；Imperfect Information Learning Team, RIKEN Center for Advanced Intelligence Project（不完美信息学习团队，日本RIKEN先进人工智能项目中心）；PRADA Lab, King Abdullah University of Science and Technology（PRADA实验室，卡塔尔国王科技大学）
AEGIS提出了一种无数据保留的框架，同时提升扩散模型的鲁棒性和保留性，以更有效地实现概念擦除。
2026-02-13 cs.AI cs.CR cs.LG
To Erase, or Not to Erase: Robust Training-Free Concept Erasure with Preservation aware Adaptive Ranked Subspace Expansion
University of Maryland Baltimore County（马里兰大学巴尔的摩县分校）
研究针对文本到图像扩散模型的概念擦除技术面临的鲁棒性与效用权衡问题，提出无训练框架PARSE，通过自适应发现擦除与保留概念、编辑交叉注意力值空间及迭代搜索触发因素来实现鲁棒概念擦除，引入BEUS评估，实验证明其有效性。
2026-09-07 cs.CV cs.LG
Minimalist Concept Erasure in Generative Models
National University of Singapore（新加坡国立大学）；PayPal Inc.（PayPal公司）；RWTH Aachen University（亚琛工业大学）；University of Oxford（牛津大学）；Zhejiang University（浙江大学）
本文提出一种仅基于最终生成输出分布距离的极简概念擦除方法，结合端到端可微损失和神经元掩蔽，在不降低模型整体性能的前提下稳健擦除不需要的概念。
2025-07-16 cs.CV cs.LG
Circumventing Concept Erasure Methods For Text-to-Image Generative Models
New York University（纽约大学）；The Hebrew University of Jerusalem（希伯来大学）
本研究针对文本到图像生成模型的敏感概念擦除需求，检验五种近期提出的擦除方法，发现借助特殊已学习词嵌入可在不改权重的情况下从清理后模型中检索被擦除概念，证明事后擦除方法存在脆弱性，质疑其在AI安全中的应用价值。
2023-10-08 cs.CR cs.CV cs.LG
EraseFlow: Learning Concept Erasure Policies via GFlowNet-Driven Alignment
Arizona State University（亚利桑那州立大学）；Capital One（Capital One公司）；Oracle（Oracle公司）；Soongsil University（顺天大学）
EraseFlow首次将概念擦除建模为去噪路径空间中的探索，并利用轨迹平衡GFlowNets学习随机策略，在无需精心设计奖励模型的情况下有效遗忘目标概念并保留模型先验。
2025-11-09 cs.CV cs.LG
Rethinking the Vulnerability of Concept Erasure and a New Method
School of Mathematics University of Edinburgh（数学学院爱丁堡大学）；School of Mathematical and Computer Science Heriot-Watt University（数学与计算机科学学院赫瑞斯大学）
该研究探究概念擦除模型对抗脆弱性的来源，发现其提示嵌入空间的脆弱性继承自原始模型，提出基于坐标下降的RECORD恢复算法，性能远超现有方法并给出加速策略。
2025-10-03 cs.AI cs.CR cs.LG
TILDE: TILt-based Distributional Erasure for Concept Unlearning
Indian Institute of Technology Hyderabad（印度理工学院海得拉巴分校）；Sony AI（索尼人工智能公司）；Sony Group Corporation（索尼集团公司）
文本到图像扩散模型的概念遗忘研究中，提出TILDE方法，将概念遗忘视为分布对齐问题，通过能量倾斜的无锚点目标抑制概念图像，用残差∇-GFlowNet训练实例化，实验显示其在多方面实现强大遗忘效果，提升保留率和分布保真度。
2026-07-08 cs.AI cs.CV cs.LG
TRACER: Token ReAssignment for Concept ERasure in Generative Recommendation
Stony Brook University（石英布鲁克大学）；University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）；Columbia University（哥伦比亚大学）；Institute of Science and Technology Austria（奥地利科学技术研究院）；Sapienza University of Rome（罗马大学 sapienza）；National University of Singapore（新加坡国立大学）
针对生成式推荐中概念遗忘与推荐效用冲突的问题，提出基于令牌重分配的概念遗忘框架TRACER，通过将概念相关物品重分配给替代令牌并引入一致性正则化，有效移除目标概念同时保持推荐效用。
2026-06-05 cs.AI cs.CL cs.IR
A framework for analyzing concept representations in neural models
The Centre for Speech Technology Research（语音技术研究中心）；School of Informatics, University of Edinburgh（信息学院，爱丁堡大学）
本文提出统一框架研究神经模型的概念子空间，探讨包含性和解耦性，发现估计器选择影响子空间特性，LEACE方法在测试轴上表现良好但难以泛化，HuBERT语音表示中电话信息与说话人信息相互包含和解耦。
2026-05-02 cs.CL cs.LG
When Are Concepts Erased From Diffusion Models?
Northeastern University（东北大学）；New York University（纽约大学）
本文研究扩散模型中概念擦除的彻底性，提出两种擦除机制概念模型，并设计多种独立探测技术以评估概念是否被真正移除，强调需要超越对抗文本输入进行全面鲁棒性评估。
2025-11-07 cs.CV cs.LG
Erasing Conceptual Knowledge from Language Models
Northeastern University（东北大学）；Anthropic
本文提出ELM方法，利用语言模型自身作为分类器进行概念级遗忘，通过低秩更新降低特定概念生成概率，在生物安全、网络安全和文学领域实现了接近随机的擦除效果，同时保持模型通用能力与鲁棒性。
2025-07-21 cs.CL cs.LG
Revoking Amnesia: RL-based Trajectory Optimization to Resurrect Erased Concepts in Diffusion Models
USTC（中国科学技术大学）；Beihang University（北京航空航天大学）；University of Manchester（曼彻斯特大学）；NTU（南洋理工大学）；FYUST（福建师范大学）
本研究发现现有扩散模型概念擦除仅为轨迹偏移造成的假象、本质可逆，提出基于GRPO的RL轨迹优化框架RevAm，无需改权重即可高效恢复被擦除概念，暴露了当前安全机制的漏洞。
2025-09-30 cs.CV cs.LG
SPACE: Source-free Proxy Anchor Concept Erasure for MLLMs
University of Science and Technology of China（中国科学技术大学）
提出SPACE框架，首个针对多模态大语言模型的无源机器遗忘方法，通过文本引导的代理锚点选择和双约束语义隔离，在不访问目标数据的情况下擦除概念，并保持模型性能。
2026-06-01 cs.AI cs.LG
Privacy-Preserving Deep Joint Source-Channel Coding with In-Loop Concept Erasure
American University of Beirut（贝鲁特美国大学）
针对DeepJSCC泄露敏感属性的问题，提出LEAPSC方法，在VIB编码器中集成环路内概念擦除，并辅以CVaR、FiLM和拉格朗日对偶上升，在多个数据集上实现高任务精度与低攻击者精度。
2026-09-15 cs.LG eess.SP
GEM: Geometric Erasure by Contrastive Velocity Matching in Rectified Flows
University of California, Berkeley（加州大学伯克利分校）；ETH Zurich（苏黎世联邦理工学院）
提出GEM框架，通过对比速度匹配实现整流流模型中的概念擦除，结合生成流网络与教师引导的流匹配，有效抑制有害内容生成。
2026-10-06 cs.AI cs.LG
Set You Straight: Auto-Steering Denoising Trajectories to Sidestep Unwanted Concepts
Nanyang Technological University（南洋理工大学）
针对现有文本到图像模型概念擦除方法的局限，提出ANT微调框架，通过自动引导去噪轨迹避开非预期概念，解决锚点依赖与轨迹干扰问题，在单/多概念擦除中实现SOTA性能，保障生成安全与保真度。
2025-04-17 cs.AI cs.CR cs.CV
Erasing Concepts from Text-to-Image Diffusion Models with Few-shot Unlearning
Meiji University（明治大学）
提出一种基于少样本遗忘的文本编码器更新方法，通过隐式转换为模型固有潜在概念，在10秒内快速擦除文本到图像扩散模型中的特定概念，速度提升数十至数百倍且效果更自然。
2024-08-29 cs.CV cs.LG
Side Effects of Erasing Concepts from Diffusion Models
University of Maryland, Baltimore County（马里兰大学巴尔的摩分校）
本文提出SEE基准，系统评估扩散模型概念擦除技术的副作用，发现其可被层次、语义相似及组合提示绕过，并存在属性泄漏与注意力异常现象。
2025-09-20 cs.CV cs.LG
Iterative Erasure Count Is Not an Affine-Invariant Concept Dimension
UCLA（加州大学洛杉矶分校）；Cal Poly Pomona（加州州立理工大学波莫纳分校）
该研究指出迭代擦除计数不是仿射不变的概念维度，其为与过程相关的估计量，而非本质语义维度，且通过多种实验验证了可逆重参数化会改变迭代擦除相关计数。
2026-08-12 cs.CV cs.LG stat.ML
Rethinking Negative Prompting for Concept Suppression: Unconditional Anchoring and Localized Guidance
New York University（纽约大学）；Sony AI（索尼人工智能公司）；Sony Group Corporation（索尼集团公司）
针对扩散模型有害概念易被越狱绕过的问题，本文提出无需训练的 TraSCE，通过改进负面提示和局部损失引导扩散轨迹，在有害内容、艺术风格与对象擦除基准上达到最先进性能。
2026-10-19 cs.AI cs.CV cs.LG
Receler: Reliable Concept Erasing of Text-to-Image Diffusion Models via Lightweight Erasers
National Taiwan University（台湾大学）；NVIDIA（英伟达）
本文提出Receler，一种基于轻量级擦除器的可靠概念擦除方法，通过概念局部正则化和对抗性提示学习，在保证鲁棒性和局部性的同时，有效移除目标概念生成能力，实验验证其优越性。
2024-07-18 cs.CV cs.LG
LURE: Latent Space Unblocking for Multi-Concept Reawakening in Diffusion Models
Sichuan University（四川大学）；The Hong Kong Polytechnic University（香港理工大学）；Nanyang Technological University（南洋理工大学）；Yonsei University（延世大学）
本文提出LURE方法，通过重建潜在空间和引导采样轨迹，实现多概念的高保真重新唤醒，解决了现有方法在多概念场景下的梯度冲突和特征纠缠问题。
2026-05-18 cs.CV cs.LG
MidSteer: Optimal Affine Framework for Steering Generative Models
University of Basel（巴塞尔大学）；University of California, Berkeley（加州大学伯克利分校）；ETH Zurich（苏黎世联邦理工学院）；University of Cambridge（剑桥大学）；University of Washington（华盛顿大学）
本文提出MidSteer，一种基于仿射变换的最优概念引导框架，通过最小干扰实现生成模型中的概念切换，并在视觉扩散模型和大型语言模型上验证其有效性。
2026-06-05 cs.AI cs.LG
