大语言模型的知识编辑方法与机制研究

课题名称: 大语言模型的知识编辑方法与机制研究
学科专业: 计算机科学
课题关键词: 大语言模型知识编辑底层机制
辅导模式: 1对1
发表目标: SCI期刊1-2区、CCF-A/B
课题介绍: 近年来，以Transformer为架构的大语言模型（LLMs）通过大规模预训练在自然语言理解、生成等任务中展现出卓越性能，成为人工智能领域的研究热点。然而，此类模型的知识主要通过预训练阶段固化，面临知识滞后（如无法更新实时信息）、事实错误（如过时或错误关联）及知识冗余等问题。传统更新方法如全量重训练或微调存在成本高昂、效率低下及“灾难性遗忘”（即更新特定知识时破坏原有能力）等缺陷，难以满足动态知识管理需求。知识编辑（Knowledge Editing）作为新兴研究方向，旨在通过精准干预模型参数或结构，实现特定知识的高效修改与更新，同时保留模型原有能力。当前主流方法（如ROME、MEMIT等）虽在简单事实编辑上取得进展，但在复杂知识结构（如多关系推理）、跨领域泛化及编辑鲁棒性等方面仍存在局限。因此，深入探究大语言模型知识编辑的底层机制（如知识在模型中的存储形式、参数影响规律）及优化方法，对提升模型的可控性与实用性具有重要理论与应用价值。

导师信息

Yan研究员

985高校博士，海外研究员

研究领域：自然语言处理,医学图像分析学术成果：1.发表论文36篇，其中SCI一区10余篇，包括 IEEE TNNLS, IEEE TII,IEEE TCSVT,ACL, EMNLP, AAAI等期刊和会议 2.获国家发明专利授权3项、实用新型专利授权1项

面向具有相关学科背景与研究兴趣的学习者，具体要求以课题导师评估为准。