arXiv Artificial Intelligence· Lingyun Song, Ziyao Chen, Kang Pan, Xiaolin Han, Yifei Zhang, Xiaoqi Wang, Yudai Pan, Xuequn Shang·· 13 小时前AI 评分26
ROSE：面向多模态大模型终身知识编辑的风险感知正交子空间导航框架
ROSE: Risk-Aware Orthogonal Subspace Navigation for Lifelong Knowledge Editing in Multimodal Large Language Models
AI 导读
研究者提出 ROSE，一个面向多模态大模型终身知识编辑的风险感知正交子空间导航框架，通过将参数更新限制在已编辑子空间的正交补空间来抑制遗忘。该框架引入动态计算的风险掩码保护关键事实参数子空间，并在推理时用原型锚定的语义门控与扰动驱动的子空间融合激活编辑知识。在两个多模态基准的五项指标上，ROSE 与 SOTA 方法相当，并在超过 1,000 次连续更新中保持稳定。
推荐理由模型分析
ROSE 针对多模态大模型连续知识编辑中的局部性侵蚀与灾难性遗忘，把参数更新限制在已编辑子空间的正交补上，并加入动态风险掩码保护关键事实参数，推理时用原型锚定语义门控和扰动驱动子空间融合激活编辑知识。在两个多模态基准的五项指标上，ROSE 与现有方法表现相当，并在 1000 次顺序更新后保持稳定。做模型持续更新或知识编辑的开发者可据此比较长序列编辑下的稳定性基线，但结论限于论文基准与实验条件。
来源：arXiv Artificial Intelligence · arxiv.org