提出知识编辑框架JNO

2026年10月15日，arXiv Artificial Intelligence 刊出由 Haoben Huang 等作者完成的研究，提出知识编辑框架 Joint Neighborhood Optimization（JNO）。该研究针对大语言模型单次编辑会引发知识邻域涟漪效应的问题，在目标规划阶段同时处理可编辑侧协调与保留侧泄漏两种耦合压力。JNO 通过压力感知协调（PAC）联合优化邻域目标表示，并设置语义预执行门，在参数执行前拒绝高风险目标方案。在 RippleEdits 上，JNO 将传播与保留指标至少提升 7.0%，同时保持跨骨干编辑稳定性。目前该报道为事件最新进展，未出现与早先报道在数字、时间或说法上的矛盾。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。