医学大型语言模型的事实知识和解释能力编辑
原文中文，约300字，阅读约需1分钟。发表于：。提出了两项模型编辑研究并在医学领域进行了验证，同时观察到当前模型编辑方法在医学知识的专业化和复杂性方面存在困难。因此，提出了一种用于医学模型编辑的新型分层可扩展适配器策略 MedLaSA。通过因果追踪来确定神经元中知识的准确位置，并在 LLMs 的密集层引入可扩展适配器，这些适配器基于相应的特定知识分配缩放值。在医疗 LLMs 上进行的大量实验证明了 MedLaSA 的编辑效率，且不影响未编辑的无关知识。
该研究提出了一种用于医学模型编辑的新型策略MedLaSA，并在医学领域进行了验证。该策略通过因果追踪确定神经元中知识的位置，并引入可扩展适配器来编辑模型。实验证明，MedLaSA具有高效的编辑效果且不影响未编辑的无关知识。
