EngramEdit实现LLM解耦知识更新

发生了什么

据arXiv cs.CL 10月7日论文，研究者提出EngramEdit方法，通过条件记忆实现大语言模型（LLM）的解耦知识更新。该方法利用DeepSeek Engram架构，通过输入n-grams查找嵌入向量，将事实知识存储与通用计算解耦。实验显示，EngramEdit实现了近乎完美的编辑成功率，更新后的知识在未见过表达中可用，且在多跳推理中准确率是基线的近三倍，同时保留了无关知识和通用能力。