## 北航CASE框架破解大模型终身编辑难题：千次更新不失忆，额外参数不足1MB
大语言模型持续学习新知识时，长期面临一个核心困境：要么在多次更新后遗忘旧知识，要么为避免遗忘而附加海量参数，导致计算资源不堪重负。北京航空航天大学团队提出的CASE框架，为这一“终身模型编辑”任务提供了高效解法。其核心在于为每次知识编辑“算分”，量化冲突，并精准调整最敏感的“关键神经元”，从而在保持高准确率的同时，将额外参数占用压缩至惊人的1MB以下。

该框架旨在解决现有主流方法的两个根本缺陷。一是“盲目加参数”，即在终身编辑过程中，要么无限制新增参数子空间，占用大量资源；要么将所有知识塞入同一空间，引发灾难性遗忘。二是“无差别调参数”，即在知识更新时，对整层神经元进行无差别调整，导致关键神经元的梯度被稀释，不同知识间的冲突在无关神经元上累积，编辑次数越多，遗忘越严重。CASE团队指出，问题的根源在于现有方法缺乏对不同知识间“编辑冲突”的量化评估。

CASE框架的核心突破在于引入了“冲突量化”与“敏感调优”双模块。它首先评估新知识与已存知识是否存在冲突，将冲突知识分开存储，不冲突的则共享空间。其次，它精准定位并仅调整对当前知识最敏感的少数关键神经元，避免无关参数被带偏。实验数据显示，在对大模型进行连续1000次知识编辑后，CASE比现有最优方法的平均准确率提升了近10%，同时保持了极高的参数效率。这项题为《CASE: Conflict-assessed Knowledge-sensitive Neuron Tuning for Lifelong Model Editing》的研究，已入选国际顶级会议WWW 2026，为大模型的知识保鲜与高效更新提供了新的技术路径。
---
- **Source**: 36氪最新 (RSSHub)
- **Sector**: The Lab
- **Tags**: 大语言模型, 模型编辑, 人工智能, 机器学习, 北航
- **Credibility**: unverified
- **Published**: 2026-03-27 11:40:04
- **ID**: 37508
- **URL**: https://whisperx.ai/zh/intel/37508