persistent-llm-unlearning：研究 LLM 遗忘知识能否抵御后续推理微调的 M.Tech 毕业项目仓库

DevulapalliTharun 在 GitHub 开源 persistent-llm-unlearning 研究工作区，探索 LLM 的定向知识遗忘在后续合法推理微调后是否仍保持有效，当前仅有项目提案与实验计划，尚无实验结果或训练 checkpoint。仓库提出两种候选防护方案：被动式的 RAFG（监测被遗忘答案是否变得易预测，必要时触发短期纠正性遗忘）与预防式的 RASP（估计对遗忘目标敏感的 LoRA 模块并选择性约束）。工作流从 M0 基座模型经监督微调到 M1、再经 Gradient Difference 遗忘到 M2，训练在 Kaggle 上进行，Colab 作为备选，模型产物存于私有 Hugging Face 仓库。