聲明:本文來(lái)自于（ID:ykqsd.com）授權(quán)轉(zhuǎn)載發(fā)布。

最近，中國(guó)科學(xué)技術(shù)大學(xué)的研究團(tuán)隊(duì)研發(fā)了一種名為AlphaEdit的精準(zhǔn)編輯算法，該算法為大型語(yǔ)言模型的知識(shí)更新和管理提供了一種高效解決方案。

該算法的核心在于，在對(duì)模型進(jìn)行知識(shí)更新時(shí)，將參數(shù)變化投影到原始知識(shí)的零空間中。這種方法理論上能夠確保在定向更新模型中的錯(cuò)誤、過(guò)時(shí)或不安全知識(shí)時(shí)，不會(huì)對(duì)模型的通用能力造成干擾。

研究人員在主流編輯方法中僅增加一行代碼，就實(shí)現(xiàn)了Llama 3在知識(shí)編輯任務(wù)上的性能提升達(dá)35%。

該方法具有廣泛的適用性，可以應(yīng)用于大多數(shù)常用的模型編輯算法，并在論文中接受了驗(yàn)證。

論文的審稿人評(píng)價(jià)稱："該研究成功解決了當(dāng)前模型編輯中知識(shí)更新與知識(shí)保留之間難以平衡的問(wèn)題。"

相關(guān)論文《AlphaEdit：基于零空間約束的語(yǔ)言模型知識(shí)編輯》（AlphaEdit: Null-Space Constrained Knowledge Editing for Language Models）已發(fā)表在國(guó)際學(xué)習(xí)表征會(huì)議（ICLR 2025，International Conference on Learning Representations）上，并被選為 orally presentation（僅占投稿總數(shù)的1.8%）。

中國(guó)科學(xué)技術(shù)大學(xué)的博士生方俊峰和碩士生姜厚丞是共同第一作者，王翔教授和何向南教授擔(dān)任共同通訊作者。

該研究團(tuán)隊(duì)發(fā)現(xiàn)，以往研究通常將"加入新知識(shí)"和"保留舊知識(shí)"這兩個(gè)目標(biāo)放在一起。目前，大多數(shù)研究范式通過(guò)調(diào)整優(yōu)化目標(biāo)中兩者的參數(shù)來(lái)維持平衡。

然而，現(xiàn)有的平衡方式并不理想，往往會(huì)為了保證新知識(shí)的成功加入而犧牲一部分舊知識(shí)，進(jìn)而影響模型的語(yǔ)言流暢性和邏輯性。這種權(quán)衡在頻繁更新知識(shí)的情況下，容易導(dǎo)致模型崩潰。

為了解決上述問(wèn)題，他們提出：是否可以突破這種限制，每一步只需處理一件事呢？

研究團(tuán)隊(duì)在廣泛查閱數(shù)學(xué)文獻(xiàn)和理論后，確定了經(jīng)典概念——零空間。零空間理論可以在不破壞現(xiàn)有知識(shí)的情況下，完美地保持新知識(shí)，從而實(shí)現(xiàn)模型的無(wú)損更新。

方俊峰指出，雖然在算法中添加一行代碼看似簡(jiǎn)單，但實(shí)際上它將原算法的目標(biāo)分為兩部分，并通過(guò)零空間投影矩陣將結(jié)果投影到原始知識(shí)的零空間中，從而實(shí)現(xiàn)了強(qiáng)大的泛化性，并且適用于目前大部分基于定位的模型編輯算法。

實(shí)驗(yàn)數(shù)據(jù)顯示，AlphaEdit在幾乎所有指標(biāo)和基礎(chǔ)模型上都表現(xiàn)出色，尤其是在效率和泛化能力方面，與最佳基線方法相比，分別提升了12.54%和16.78%。

此外，AlphaEdit在文本生成的流暢性和連貫性方面也取得了顯著的改進(jìn)。在對(duì)編輯后的大模型進(jìn)行一般能力測(cè)試時(shí)，AlphaEdit保持了模型的原始性能，在處理3000個(gè)樣本后，平均保留了98.48%的一般能力。

值得注意的是，該方法幾乎不會(huì)對(duì)模型的語(yǔ)言輸出流暢度造成影響。方俊峰強(qiáng)調(diào)，這是目前唯一能夠在理論上徹底避免這種情況的解決方案。

此外，研究人員還驗(yàn)證了該方法的普適性，它在遺忘學(xué)習(xí)、持續(xù)學(xué)習(xí)、概念擦除、模型去偏和多模態(tài)安全等領(lǐng)域，均能實(shí)現(xiàn)簡(jiǎn)單且有效的效果。

模型編輯是大模型發(fā)展過(guò)程中的重要環(huán)節(jié)。隨著模型架構(gòu)的不斷增大，其性能也在持續(xù)增強(qiáng)。未來(lái)，隨著計(jì)算能力的提升，可能會(huì)出現(xiàn)更大規(guī)模的模型架構(gòu)。

然而，模型規(guī)模的增大也帶來(lái)了新的挑戰(zhàn)。盡管小模型可以通過(guò)微調(diào)快速更新知識(shí)，但對(duì)大模型進(jìn)行微調(diào)的難度將隨著規(guī)模的增大而顯著增加。因此，高效的模型編輯在這一背景下顯得尤為重要。

此外，在垂類大模型能力持續(xù)增強(qiáng)的發(fā)展趨勢(shì)下，基礎(chǔ)模型的迭代更新可能會(huì)被推遲，而模型編輯可以在官方更新緩慢的情況下快速響應(yīng)市場(chǎng)和用戶的需求，保持模型的時(shí)效性和實(shí)用性。

盡管目前的模型編輯方法在理論層面不會(huì)破壞舊知識(shí)，但在實(shí)際操作中仍會(huì)存在一些近似誤差，導(dǎo)致微小的知識(shí)破壞。

小編在《自然》雜志上發(fā)表的論文中指出，盡管該研究團(tuán)隊(duì)在實(shí)現(xiàn)大模型編輯方面取得了一定進(jìn)展，但目前仍無(wú)法滿足工業(yè)界對(duì)模型編輯的需求。具體來(lái)說(shuō)，此前模型編輯由于破壞較為嚴(yán)重難以被工業(yè)界接受，可能需要數(shù)千次更新就會(huì)導(dǎo)致模型崩潰。但如今，我們已經(jīng)將這種破壞降低了 1 個(gè)數(shù)量級(jí)，這使模型編輯的意義變得更加重大。方俊峰團(tuán)隊(duì)對(duì)此表示。

在接下來(lái)的研究階段，該課題組計(jì)劃將這項(xiàng)技術(shù)推廣到更多國(guó)內(nèi)外知名的大模型中，以驗(yàn)證其通用性和泛化性。

其次，他們計(jì)劃探索將零空間應(yīng)用于不同的垂直領(lǐng)域，例如安全防護(hù)或多模態(tài)生成，以在增強(qiáng)大模型安全性、提升特定能力的同時(shí)，確保原始存儲(chǔ)知識(shí)的邏輯表達(dá)能力不受影響。

此外，研究人員還考慮利用零空間來(lái)增強(qiáng)大模型的某個(gè)特定能力，比如針對(duì)藝術(shù)、生化、數(shù)學(xué)等領(lǐng)域的模型，或定制化模型（如定制家教）。該團(tuán)隊(duì)認(rèn)為，將這項(xiàng)技術(shù)應(yīng)用于持續(xù)學(xué)習(xí)等深度學(xué)習(xí)領(lǐng)域，也是具有研究?jī)r(jià)值的方向之一。

參考資料：

1.https://openreview.net/forum?id=HvSytvg3Jh

2.https://github.com/jianghoucheng/AlphaEdit

運(yùn)營(yíng)/排版：何晨龍、劉雅坤