ویرایش دانش در مدلهای بزرگ زبانی چندوجهی (MLLM) همیشه با چالشهای بزرگی مثل نشت اطلاعات به بخشهای نامرتبط همراه بوده است. حالا محققان در مقاله جدیدی، فریمورک نوآورانه ScopeEdit را معرفی کردهاند که به جای اصلاح کورکورانه، روی «تعریف مرزهای دانش» تمرکز میکند.
این روش با تفکیک بهروزرسانیها به دو شاخه محلی و عمومی، اجازه میدهد مدل بدون آسیب به تواناییهای قبلی، اطلاعات جدید را به درستی جذب و در دامنههای مرتبط منتشر کند. این دستاورد گام مهمی برای داشتن هوش مصنوعیهای دقیقتر و پایدارتر است.
منبع: arXiv AI
