Is it Possible to Edit Large Language Models Robustly?

本文是LLM系列文章，针对《Is it Possible to Edit Large Language Models Robustly?》的翻译。

摘要

大型语言模型（LLM）在构建模仿人类行为的交流人工智能方面发挥了关键作用，但面临着高效定制的挑战。为了应对这一挑战，最近的研究深入到了模型编辑领域，它操纵语言模型的特定记忆，并改变相关的语言生成。然而，模型编辑的稳健性仍然是一个悬而未决的问题。这项工作旨在了解编辑方法的优势和局限性，从而促进交流人工智能的稳健、现实应用。具体而言，我们进行了广泛的分析，以解决三个关键的研究问题。Q1：在现实情况下，经过编辑的LLM是否能始终如一地表现得像交流人工智能？Q2：提示的改写在多大程度上导致LLM偏离编辑后的知识记忆？Q3：哪些知识特征与编辑的性能和稳健性相关？我们的实验结果揭示了现有编辑方法与LLM的实际应用之间的巨大差异。在复杂灵活但在现实应用中很常见的改写提示上，编辑性能会显著下降。进一步的分析表明，更多的流行知识记忆得更好，更容易回忆，更难有效编辑。代码公开于https://github.com/xbmxb/edit_analysis.

1 引言

2 相关工作

3 重新思考LLM编辑

4 实验

5 知识普及度对编辑稳健性的影响

6 结论

本文在实际应用的情况下，系统地研究了最近的模型编辑方法，并对其稳健性提出了担忧。我们首先展示了困惑和幻觉发生