研究人员推出了一种新颖的多模态在线知识编辑方法ScopeEdit，用于大型语言模型（MLLM）。该方法旨在控制每次编辑的语义范围，确保更正能够迁移到相关的跨模态变体，而不会对不相关的输入产生负面影响。ScopeEdit将更新分解为模态局部和共享泛化分支，利用正交低秩空间和Sherman-Morrison递归来实现高效、有界开销。实验表明，ScopeEdit在各种基准测试和MLLM架构中，在范围内的迁移和范围外的局部性之间的平衡方面是有效的。 AI
影响 提高了多模态LLM中知识更新的精度和控制力，有望带来更强大、更可靠的AI系统。
排序理由 该条目是一篇研究论文，详细介绍了一种新的多模态LLM编辑方法。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- multimodal large language model
- ScienceCast
- ScopeEdit
- Sherman--Morrison
- VLKEB
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
