Jaeung Lee

该工作提出 Unlearning Depth Score（UDS），先用保留模型基线定位编码目标知识的层，再通过激活修补在 0-1 尺度上度量遗忘模型抹除了多少该知识，并在覆盖 8 种方法、150 个已遗忘模型的元评估中与 20 项指标比较，报告 UDS 具有最高的忠实度与稳健性，案例研究显示它能揭示被表征漂移所掩盖、观测类指标看不到的残余知识，且擦除深度随提示类型变化。

该工作提出 Unlearning Depth Score（UDS），先用保留模型基线定位编码目标知识的层，再通过激活修补在 0-1 尺度上度量遗忘模型抹除了多少该知识，并在覆盖 8 种方法、150 个已遗忘模型的元评估中与 20 项指标比较，报告 UDS 具有最高的忠实度与稳健性，案例研究显示它能揭示被表征漂移所掩盖、观测类指标看不到的残余知识，且擦除深度随提示类型变化。