Guoshenghui Zhao

该工作提出 RapidUn，一个影响力引导的框架，把跨样本影响力估计转换为固定的样本级权重用于加权 LoRA 遗忘，在 Llama-3-8B 的 Dolly-15k 与 Alpaca-57k 上、并在 Mistral-7B + Dolly-15k 上做跨模型验证，取得比 Fisher、GA、LoReUn 更低的已见触发与 OOD 触发族 ASR，同时保持有竞争力的干净效用，在 Llama-3-8B + Alpaca-57k 上相对干净语料 LoRA 重训参考实现 77 倍墙钟加速，并以 TOFU、语义 LLM 评判与 IFEval 评估作为补充支持。

该工作提出 RapidUn，一个影响力引导的框架，把跨样本影响力估计转换为固定的样本级权重用于加权 LoRA 遗忘，在 Llama-3-8B 的 Dolly-15k 与 Alpaca-57k 上、并在 Mistral-7B + Dolly-15k 上做跨模型验证，取得比 Fisher、GA、LoReUn 更低的已见触发与 OOD 触发族 ASR，同时保持有竞争力的干净效用，在 Llama-3-8B + Alpaca-57k 上相对干净语料 LoRA 重训参考实现 77 倍墙钟加速，并以 TOFU、语义 LLM 评判与 IFEval 评估作为补充支持。