该研究探讨大型语言模型在知识编辑中过拟合的问题，尤其是在多轮推理中高估编辑目标概率的现象。提出了评估基准EVOKE，并介绍了“学习推理”（LTI）策略，通过多阶段推理约束模块，减轻过拟合，优化编辑效果。

本文介绍了图结构学习基准（GSLB），评估了多种GSL算法在节点和图级任务中的表现，提出了动态异构学术图数据集以改善模型评估，并展示了OpenGSL和AutoGL等工具的应用，强调了在动态图中进行有效学习和推理的挑战。