本研究提出了一种多模态知识一致性微调方法，解决了多模态大型语言模型在文档理解中感知与认知的冲突问题，显著提升了一致性。

本文探讨了大型语言模型的编辑问题，评估了现有编辑方法的局限性及其对模型知识一致性和通用能力的影响。研究提出了新的基准数据集和评估指标，发现模型编辑可能导致意想不到的后果，强调了在编辑过程中保持模型可靠性的重要性。同时，提出了基于神经元索引的动态LoRA方法，显示出在多个任务中的优越性能。