GeoEdit: Geometric Knowledge Editing for Large Language Models

本文是LLM系列文章,针对《GeoEdit: Geometric Knowledge Editing for Large Language Models》的翻译。

GeoEdit:大型语言模型的几何知识编辑

主要内容

  1. 研究背景:大语言模型知识更新需求促使多种编辑方法涌现,但现有基于训练的方法在融入新知识时难以保留通用知识,定位编辑法计算开销大且需额外数据,微调法易影响无关知识,F-Learning难以平衡新旧知识。
  2. 相关工作:介绍知识编辑现有方法,包括微调、元学习和定位编辑法,指出它们在平衡新知识更新和保留无关知识方面的不足,引出改进微调方法的研究方向。
  3. GeoEdit方法
    • 提取神经元级任务向量:分别在旧、新知识数据集微调初始模型,获取神经元级任务向量,分析其方向特征区分不同神经元。
    • 使用自动编码器降维:用自动编码器将任务向量映射到低维空间,减少高维向量角度偏差,提高编辑准确性。
    • 几何知识编辑:计算低维空间中任务向量夹角,依角度分类神经元,对不同类别神经元采用正交、协同、冲突知识编辑策略,利用重要性引导任务向量融合技术确定融合
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