ICCU：经由模式诱导拒绝规则的上下文持续遗忘

机器遗忘（machine unlearning）旨在从训练好的语言模型中移除特定数据的影响。在真实部署中，遗忘请求往往相继到达，这对现有的基于微调的方法构成挑战：逐请求微调成本高、会累积效用损失，并可能引发跨请求干扰。为解决这些问题，我们提出ICCU（In-Context Continual Unlearning），一个上下文内的持续遗忘框架：它从遗忘数据集中归纳出可读的拒绝规则，并在推理时以过滤器或经由系统提示词的方式加以应用，而不修改模型参数。由于规则以与顺序无关的并集方式累积，ICCU具有可组合性且不存在跨请求干扰，原始遗忘集数据在规则归纳完成后即可丢弃。大量实验表明，ICCU能在保持效用的同时有效抑制目标知识，可随顺序请求扩展，并对改写与跨语言查询保持鲁棒。