NeurIPS

ConceptGuard: Benchmarking Context-Sensitive Unlearning in Large Language Models

ConceptGuard：评估大语言模型中上下文敏感的遗忘能力

Sahil Kale, Ian Harris

机构 * Pune Institute of Computer Technology（浦那计算机技术学院） ； University of California, Irvine（加州大学欧文分校） 纠错

AI总结 该研究针对大语言模型遗忘能力评估的缺陷，提出ConceptGuard基准，聚焦两用概念，发现现有遗忘技术存在性能缺陷，为实用安全的遗忘方法提供思路。

Comments Submitted to NeurIPS E&D Track 2026; 17 pages, 9 figures

A Locally Tokenized Generative Model for Robust Time-Series Watermarking

用于鲁棒时间序列水印的局部分词生成模型

Dongbin Kim, Geonwoo Shin, Yujin Choi, Soyeon Park, Jaewook Lee

机构 * Nanyang Technological University（南洋理工大学） ； Seoul National University（首尔大学） 纠错

AI总结 针对多变量时间序列水印受后编辑攻击可靠性失效的问题，提出L-VQVAE生成模型与LVQMark水印方法，在保留生成质量的同时稳定了攻击下的检测能力与误报行为。

Comments Submitted to NeurIPS 2026