LLM unbranding：在保留通用能力的同时消除商业品牌身份

该论文将“LLM unbranding”正式定义为一个新任务，针对模型在文本输出中泄露品牌特征语言、口号和风格标记的问题。作者构建了覆盖多个商业领域知名品牌的评测数据集，并系统评测了现有主流机器遗忘模型，发现它们在选择性去除文本品牌特征上存在明显局限。为此论文提出 MUTE，一种推理时方法，通过迭代优化系统指令来消除品牌泄露，同时保留模型的通用能力，无需更新模型参数。

此前品牌合规主要关注图像生成中的视觉标识去除，文本层面的品牌身份管理缺乏正式定义和评测基准。这篇论文把“文本 trade dress”作为可度量对象，说明现有机器遗忘方法无法胜任细粒度的品牌特征消除，并给出不改参数、只在推理阶段干预的替代路径，使品牌方和模型方有了可对比的评测基线。

品牌身份在文本中往往不以显式 logo 出现，而是嵌入在习惯用语、口号和风格标记里，因此传统针对参数或知识条目的遗忘方法难以只清除品牌特征而不损伤通用能力。MUTE 选择推理时干预：通过迭代优化系统指令，逐步定位并抑制触发品牌泄露的提示条件，用外部指令层替代脆弱的参数更新，从而把“去品牌化”变成可回滚、可单独审计的输出层控制。

对面向品牌客户的大模型产品，这意味着需要在输出链路中增加文本品牌合规层，而不是依赖模型训练阶段的清洗。研发上可优先评估推理时指令优化方案，避免因参数更新导致通用能力下降；成本上，去品牌化作为推理时步骤会增加一定调用开销，但省去了重新训练或微调的成本，也便于按品牌客户配置不同策略。

• 为品牌客户提供文本输出品牌合规检测与自动改写服务，覆盖口号、习惯用语和风格标记。
• 在模型网关或 API 层集成推理时去品牌化中间件，按客户品牌清单动态配置。
• 基于论文公开数据集和代码，构建面向中文品牌的文本 trade dress 评测与回归测试工具。
• 将去品牌化能力打包为机器遗忘的替代方案，向需要保留通用能力的合规场景销售。

• 论文仅评测了现有机器遗忘模型，MUTE 在中文和多语言品牌场景下的效果尚未得到证据确认。
• 推理时迭代优化系统指令带来的延迟和调用成本增加幅度，证据中未给出具体数据。
• 该方法能否完全消除品牌泄露，还是仅降低泄露概率，证据未说明误报与漏报的量化表现。
• 对品牌方而言，使用该方法是否会引发商标或言论层面的其他合规争议，证据未涉及。