超级会员免费看
本文探讨了如何编辑大型语言模型（LLM）的概念知识，通过建立ConceptEdit基准数据集和新评估指标，研究LLM的概念知识编辑能力。实验显示现有方法在修改概念时可能影响实例知识，需要更深入理解LLM。
本文是LLM系列文章，针对《Editing Conceptual Knowledge for Large Language Models》的翻译。
摘要
最近，人们对大型语言模型（LLM）的知识编辑越来越感兴趣。目前的方法和评估只是探索实例级的编辑，而LLM是否具有修改概念的能力仍不清楚。本文通过构建一个新的基准数据集ConceptEdit并建立一套新的评估指标，率先研究了LLM的概念知识编辑。实验结果表明，尽管现有的编辑方法可以在一定程度上有效地修改概念级定义，但它们也有可能扭曲LLM中的相关实例化知识，导致性能较差。我们预计，这将激励在更好地理解LLM方面取得进一步进展。
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
