Key points are not available for this paper at this time.
Wissen-Editing ist eine aufstrebende Technik zur effizienten Aktualisierung faktischer Kenntnisse in großen Sprachmodellen (LLMs) bei minimaler Parameterveränderung. Jüngste Studien haben jedoch besorgniserregende Nebeneffekte wie Wissensverzerrung und Verschlechterung der allgemeinen Fähigkeiten nach der Bearbeitung festgestellt. Diese Übersichtsarbeit bietet eine umfassende Untersuchung dieser Nebeneffekte und präsentiert eine einheitliche Sicht auf die Herausforderungen beim Wissen-Editing in LLMs. Wir diskutieren relevante Arbeiten und fassen potenzielle Forschungsrichtungen zusammen, um diese Einschränkungen zu überwinden. Unsere Arbeit hebt die Grenzen gegenwärtiger Methoden des Wissen-Editings hervor und betont die Notwendigkeit eines tieferen Verständnisses der inneren Wissensstrukturen von LLMs sowie verbesserter Wissen-Editing-Methoden. Zur Förderung zukünftiger Forschung haben wir ergänzende Materialien wie eine Sammlung von Arbeiten öffentlich unter https://github.com/MiuLab/EditLLM-Survey bereitgestellt.
Building similarity graph...
Analyzing shared references across papers
Loading...
Cheng-Hsun Hsueh
Paul Kuo-Ming Huang
Tzu-Han Lin
Building similarity graph...
Analyzing shared references across papers
Loading...
Hsueh et al. (Mon,) haben diese Frage untersucht.
www.synapsesocial.com/papers/68e66845b6db6435875f460f — DOI: https://doi.org/10.48550/arxiv.2406.01436
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: