EngramEdit 论文提出通过条件记忆实现大语言模型知识解耦更新

论文 EngramEdit 提出利用 DeepSeek Engram 类条件记忆架构解耦事实知识更新，在固定 Transformer 主干的情况下编辑事实。方法先计算使模型在多种表述下预测更新事实的目标记忆表示，再联合更新共享 n-gram 嵌入，并对高频复用嵌入的改动施以更强惩罚。实验显示编辑成功率接近完美，修订知识可泛化到未见表述和多跳推理，CoT 提示下准确率约为最强基线的三倍，无关知识与通用能力在事实更新累积时基本保留。论文与代码分别见 arXiv 2610.10533 和 GitHub、HuggingFace。