Decode

新的DECODE方法解决了多模态大语言模型中的知识编辑失败问题

研究人员发现多模态大语言模型（MLLMs）在知识编辑方面存在一个显著问题，称为“编辑解耦失败”。当对MLLM的知识进行更新后，在配对的多模态输入（如文本和图像）下更新有效，但在仅有单模态输入（仅文本或仅图像）时，模型会恢复到旧信息。这个问题源于知识分布在模态特定的通路中，而不是统一的。为了解决这个问题，提出了一种名为DECODE的新方法，旨在解耦和定位这些模态特定的神经元组，以便在不同输入类型下进行更具针对性和有效的知识更新。