Core Concepts
LLM(Large Language Models)のための概念知識の編集に関する新しいベンチマークデータセットConceptEditと評価メトリクスを導入します。
Abstract
最近、LLM(Large Language Models)向けの知識編集に関心が高まっています。この論文は、LLM向けの概念知識の編集を探求し、新しいベンチマークデータセットConceptEditを構築し、評価用の一連の新しいメトリクスを確立しています。実験結果は、既存の編集方法が一部で概念レベル定義を効率的に変更できることを示していますが、これらはLLM内で関連する具体的な知識を歪める可能性があり、パフォーマンスが低下する可能性があることも明らかにしています。
Stats
783個の異なるクラスから成る452個のコンセプトを含むConceptEditデータセット。
DBpediaオントロジーから取得した20個のインスタンスで構築されたConceptEdit。
FT-L、ROME、MEMITおよびPROMPT編集手法による実験結果。
Quotes
"Humans learn conceptual knowledge from concrete instances and these concepts can guide further learning."
"It is rather challenging to edit concepts for LLMs."
"Recent knowledge editing approaches can achieve the instance-level editing ability to alter knowledge in LLMs."