arXiv Artificial Intelligence· Shuxin Liu, Di Gao, Ou Wu·2026-10-26 12:00· 2 小时前AI 评分22

MetaKE：用元学习改进知识编辑的准确性与可编辑性权衡

MetaKE: Meta-Learning for Knowledge Editing Toward a Better Accuracy-Editability Trade-off

AI 导读

MetaKE 将知识编辑的上游目标表示优化与下游约束参数优化统一为双层优化问题，外层利用下游约束反馈优化表示，从而改善语义准确性与可编辑性的权衡。为避免昂贵的多层反向传播，该方法引入 Structural Gradient Proxy 近似并传播该反馈。实验显示 MetaKE 优于强基线方法。