GUARD：通过引导式答案-推理蒸馏实现大型推理模型的自然遗忘

大推理模型（LRM）的近期进展使机器遗忘更具挑战：受保护的事实或不安全的推理内容，可能在最终答案生成前出现在中间思维链（CoT）中。现有遗忘目标通常抑制目标内容或改变内部表示，却没有规定遗忘后的轨迹应如何继续，这可能产生虚构的替代内容、错误的边界或重复输出。我们认为，LRM 遗忘应学习自然的遗忘轨迹：以连贯且不泄露信息的思维链，以及稳定的拒绝式答案，替代原有泄露内容。为此，我们提出引导式答案与推理蒸馏（GUARD），将模型生成的不安全泄露转化为安全退出轨迹，通过引导 Token 对齐冻结的 LRM，再将引导后的行为蒸馏到模型参数中。为弥补现有指标对泄露之外的替代质量衡量不足，我们进一步引入自然遗忘推理分数（NFRS），衡量遗忘输出的结构稳定性、流畅性和无依据的替代内容。在 R-TOFU 和基于 STAR-1 的有害意图场景中，大量实验表明，GUARD 在两个广泛采用的蒸馏 LRM 上显著减少不安全和隐私泄露，同时保持推理效用。代码见 https://github.com/zeyu-Yan/GUARD 。