ROSE探索多模态模型的终身知识编辑
AI 总结
据机器之心报道,西北工业大学研究团队提出ROSE框架,用于多模态大模型的持续知识编辑。研究团队称,ROSE约束参数更新方向,并按需调用编辑知识,以减少知识干扰与遗忘。相关论文入选NeurIPS 2026 Spotlight。在LLaVA-v1.5-7B的VLKEB测试中,连续编辑1000次后,ROSE的可靠性为95.24%,FT-L为68.14%。
深度见解
连续知识更新可能导致多模态模型遗忘此前编辑的知识,并改变对无关输入的回答。报告将这两项列为终身知识编辑的核心问题,研究团队报告的ROSE结果涉及可靠性和局部性。上述基准数据来自研究团队,未获所供报道的独立验证。
机器之心 2026-11-21 12:11 四川
在新知识学习与原有能力保持之间实现更好的平衡
现实世界中的事实知识并非一成不变:企业 CEO 可能更替,产品信息会随着发布与迭代而更新,赛事结果也会不断产生。多模态大模型需要及时吸收这些新信息,才能保持知识的时效性。然而,在持续引入新事实的过程中,如何避免新旧知识之间的相互干扰,并尽可能保留模型在预训练阶段形成的通用能力,仍是亟待解决的关键问题。