Memory-Based Model Editing at Scale

828 篇文章

已下架不支持订阅

本文提出了一种名为SERAC的半参数模型编辑方法,它利用检索增强反事实模型存储编辑在外部内存中,解决了现有编辑器表达能力不足的问题。SERAC在多项任务中表现出色,尤其是在需要处理复杂编辑范围和多编辑应用时。尽管存在如编辑数据集依赖和内存管理等挑战,但SERAC为更实用的模型编辑器发展开辟了道路。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文是LLM系列文章,针对《Memory-Based Model Editing at Scale》的翻译。

摘要

即使是最大的神经网络也会出错,而曾经正确的预测可能会随着世界的变化而失效。模型编辑器对基础(预训练)模型的行为进行局部更新,以注入更新的知识或纠正不期望的行为。现有的模型编辑器已经显示出了希望,但是也受到表达能力不足的困扰:它们难以准确地为编辑的预期范围(受编辑影响的示例)建模,导致对与编辑松散相关的测试输入的不准确预测,并且在许多编辑之后它们经常完全失败。作为一种更高容量的替代方案,我们提出了带有检索增强反事实模型(SERAC)的半参数编辑,该模型将编辑存储在显式内存中,并学习对它们进行推理,以便根据需要调整基本模型的预测。为了对模型编辑器进行更严格的评估,我们介绍了基于问题回答、事实检查和对话生成的三个具有挑战性的语言模型编辑问题。我们发现,只有SERAC在所有三个问题上都实现了高性能,并且始终比现有的模型编辑方法表现出色。代码、数据和其他项目信息将在https://sites.google.com/view/serac-editing上提供。

1 引言

2 模型编辑问题

已下架不支持订阅

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值