研究者提出DynEdit长序列知识编辑方法，入选NeurIPS 2026

Jinhu Fu 等研究者提出 DynEdit，一种面向大语言模型长序列知识编辑的动态框架，论文被 NeurIPS 2026 主会接收为 poster。该方法发现高熵 token 更难编辑且多含关键事实，据此用 token 级熵引导非均匀滑动窗口，并对窗口内信息密集 token 做熵引导优化。 论文实验显示，在三个 benchmark 和两个 backbone 模型上，DynEdit 在多种长文本编辑设置中一致优于竞争基线，复述查询最高提升 +14.0 BLEU，多项知识领域语义分数接近饱和。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。