في عالم الذكاء الاصطناعي، تعد نماذج اللغات الضخمة (Large Language Models) رائدة في معالجة اللغة الطبيعية وفهمها. ولكن، ماذا يحدث عندما تحتفظ هذه النماذج بمعلومات حساسة أو خاصة لأشخاص أو شركات؟ هنا تأتي أهمية مفهوم إلغاء المعرفة (Unlearning) الذي يسعى للتخلص من بعض المعلومات دون التأثير الكبير على أداء النموذج. لكن العديد من الطرق التقليدية تواجه صعوبات في تحقيق التوازن بين جودة النسيان وفائدة الاستخدام، بالإضافة إلى التكاليف الحسابية العالية الناتجة عن تحديث المعلمات.

لذا، تم تقديم تقنية نولفي (Nullify) الجديدة، التي تُعتبر طريقة فعالة وغير مدمرة لإلغاء المعرفة من دون الحاجة للتدريب، مما يُعد إنجازًا كبيرًا في هذا المجال. تستخدم نولفي متجهات توجيهية أثناء الاستدلال (Inference) لتحويل التفعيلات ذات الصلة بالخصوصية بعيدًا عن إجاباتها المحفوظة، مع الالتزام بقيد المساحة الفارغة (Null-Space Constraint) الذي يساعد على إبقاء التفعيلات المتعلقة بالاستفسارات المحتفظ بها دون تغيير.

أظهرت التقييمات التي أجريت على قواعد بيانات TOFU وMUSE أن نولفي تُحقق أو تتفوق على المعايير السابقة في جودة النسيان، بينما تحافظ على أداء النموذج بكفاءة تقريبًا. وبهذا، فإن نولفي تقدم إطار عمل فعال للتدخل أثناء الاستدلال، مما يجعلها أداة غير معقدة وبسيطة لاستخدامها.