ArXiv cs.AI
Visión editorial CMadrid
MLUBench: un punto de referencia para la evaluación del desaprendizaje permanente en MLLM
arXiv:2606.12809v1 Tipo de anuncio: nuevo Resumen: Los modelos de lenguajes grandes multimodales (MLLM) se entrenan con datos multimodales masivos, lo que hace que el desaprendizaje de datos sea cada vez más importante, ya que los propietarios de los datos pueden solicitar la eliminación de contenido específico. En la práctica, estas solicitudes suelen llegar de forma secuencial a lo largo del tiempo, lo que genera el difícil problema de MLLM Lifelong Unle.
Por qué importa para Chile y Latam
Lectura CMadrid: los cambios en IA suelen trasladarse a costos, empleo y competencia en la región; vale evaluar impacto en estrategia digital local.
Leer fuente original Volver al inicio
Como Afiliados de Amazon, podemos recibir comisiones por compras calificadas sin costo extra para ti.