연구진은 LLM에서 특정 콘텐츠를 삭제하는 'Geometric Unlearning (GU)' 방법을 제안했습니다. GU는 원본 학습 데이터 없이 모델의 계획 상태를 직접 수정하여 작동합니다.
GU는 안전한 참조 프롬프트를 통해 안전한 행동의 저차원 기하학을 추출하고, 합성 프롬프트를 사용하여 숨겨진 계획 표현을 안전 기하학에 맞춥니다.
ToFU와 UnlearnPII 벤치마크에서 GU는 강력한 목표 억제력을 보이며, 원본 성능에 미치는 영향을 최소화했습니다.