awesome-llm-unlearning

一站式收藏大模型遗忘研究资源,快速上手知识擦除

这是一个关于大语言模型机器遗忘(Machine Unlearning)的资源列表仓库,旨在系统整理该领域的前沿论文、基准数据集、评估指标和开源工具。它解决的核心问题是:当训练好的大模型需要删除特定知识(如隐私信息、版权内容、有害记忆)时,如何在不损害模型整体能力的前提下实现精准遗忘。仓库按主题分类收录了从经典到最新的研究,涵盖知识擦除、模型安全、对齐技术等方向,并提供了相关代码和实验资源的链接。对于研究者和工程师而言,这是一个快速了解LLM遗忘技术全貌、寻找基线方法和对比实验的入口。项目处于早期阶段,内容仍在持续更新中。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 626
维护状态 维护中
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队chrisliu298
所属国家
官网地址
定价模式free
价格说明开源资源列表,完全免费,无付费版本。
访问状态
是否开源是
开源协议Apache-2.0
主要语言
技术栈/模型ai-safety,alignment,awesome,awesome-list,evaluation,knowledge-erasure,large-language-model,llm,llm-safety,llm-unlearning,machine-learning,machine-unlearning,model-editing,nlp,paper-list,privacy,responsible-ai,right-to-be-forgotten,selective-forgetting,unlearning
GitHub 星标★ 626
30天Star增速
HF 下载量
上线时间2024-03-27 00:00:00
最近更新2026-09-23 00:00:00
维护状态维护中
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数6

使用教程

核心亮点

  • 系统梳理了LLM遗忘领域的论文、基准和工具,便于快速调研
  • 覆盖多个细分方向,如知识擦除、隐私保护、安全对齐,分类清晰
  • 提供外部资源链接,方便直接获取代码和数据集

不足之处

  • 文档/社区待观察
  • 内容更新频率和完整性依赖维护者,可能滞后于最新研究

适用场景

  • 研究大模型遗忘技术的学者快速查找相关文献和基准
  • 工程师评估模型遗忘方案时对比现有工具和方法
  • 入门者了解LLM安全与隐私领域的关键问题和技术路线

替代项目

awesome-llm-security、Awesome-Machine-Unlearning、LLM-Safety-Resources

项目介绍

awesome-llm-unlearning 是评测安全领域的开源项目,由 chrisliu298 开发,2024 年首次发布。

它收录于评测安全分类,该分类目前共有 466 个项目,GitHub 星标数为 626。

项目仍在小幅维护中,最近一次代码更新于 2026-09-23。开源资源列表,完全免费,无付费版本。

它主要面向的使用场景是:研究大模型遗忘技术的学者快速查找相关文献和基准。同类可对比的替代方案包括 awesome-llm-security、Awesome-Machine-Unlearning、LLM-Safety-Resources。

上一篇:opencompass

下一篇:awesome-MLSecOps

同类项目推荐

akto 开源

给 AI 应用做安全体检,防提示注入和数据泄露

Akto is the fastest growing AI Security platform for your teams to secure AI agents,···

★ 1517 2026-08-20
XSafeClaw 开源

给 AI 智能体装上安全盾,自动红队测试找漏洞

Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University

★ 164 2026-08-10
deepteam 开源

自动模拟越狱攻击,提前测出 LLM 安全漏洞

DeepTeam is a framework to red team LLMs and AI agents.

★ 2937 2026-09-12