論文の概要: Selective Knowledge Edit Reversal via Gated Singular Vector Shrinkage

• arxiv url: http://arxiv.org/abs/2609.02091v1
• Date: Wed, 02 Sep 2026 04:32:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.060236
• Title: Selective Knowledge Edit Reversal via Gated Singular Vector Shrinkage
• Title（参考訳）: Gated Singular Vector Shrinkageによる選択的知識編集
• Abstract要約: 編集された知識の選択的逆転について検討し、その目的は、残りの編集された事実を保存しながら、対象の編集された事実を逆転させることである。 本稿では,各編集が編集行列の主部分空間内に疎に符号化されているという仮説に基づいて,スペクトルベースの逆転フレームワークを提案する。 複数の設定にまたがる実験は、無関係な編集事実を保存しながら、選択した編集を反転させる方法の有効性を示す。
• 参考スコア（独自算出の注目度）: 29.783345718823487
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge editing provides an efficient way to update factual knowledge in large language models. However, malicious edits may introduce safety risks, making it necessary to reverse undesirable editing effects. Existing reversal methods for parameter-modifying edits mainly focus on global removal, which may also erase beneficial edits that should be preserved. In this paper, we study selective reversal of edited knowledge, where the goal is to reverse targeted edited facts while preserving the remaining edited facts. Based on the hypothesis that each edit is sparsely encoded within the dominant subspace of the edited matrix, we propose a spectral-based reversal framework that locates edit-sensitive components within the dominant singular subspace of edited weights. Experiments across multiple settings demonstrate the effectiveness of our method in reversing selected edits while preserving unrelated edited facts. These results suggest that different edits are sparsely encoded within dominant singular components and can be separable when the number of edits is moderate, making selective spectral reversal a promising direction for locating edit-specific components and repairing edited language models.
• Abstract（参考訳）: 知識編集は、大規模な言語モデルで事実知識を更新する効率的な方法を提供する。 しかし、悪意のある編集は安全性のリスクをもたらす可能性があり、望ましくない編集効果を逆転させる必要がある。 既存のパラメータ修正編集のリバーサルメソッドは主にグローバルな削除に焦点を当てており、保存すべき有益な編集を消去することもある。 本稿では,編集された事実を保存しながら,対象とした事実を逆転させることを目標とする編集された知識の選択的逆転について検討する。 本稿では,各編集が編集行列の主部分空間内にわずかに符号化されているという仮説に基づいて,編集重みの主部分空間内に,編集に敏感なコンポーネントを配置するスペクトルベースのリバーサルフレームワークを提案する。 複数の設定にまたがる実験は、無関係な編集事実を保存しながら、選択した編集を反転させる方法の有効性を示す。 以上の結果から,編集回数が中等度である場合には,各編集を分離可能とし,編集固有成分の探索や編集言語モデルの修復に有望な方向となることが示唆された。

関連論文リスト

• Edit Where You Mean: Region-Aware Adapter Injection for Mask-Free Local Image Editing [28.295031615161136]
  大規模な拡散変換器 (DiT) はグローバルな編集命令に従っているが、常に非関連領域に局所的な編集をリークする。 そこで我々はAdaptEditを紹介した。AdaptEditは、訓練された命令と地域対応のアダプタフレームワークである。 AdaptEditは最先端の結果を達成し、マスクフリーとオラクルマスクのベースラインを同時に上回る。
  論文  参考訳（メタデータ） (2026-04-26T15:28:02Z)
• One Mask to Rule Them All: On Hidden Facts after Editing and How to Find Them [7.195629836132288]
  ROMEとMEMITは、ウェイトを変更することでトランスフォーマーモデルの事実関連を更新する。 我々は、編集がどの事実が修正されているかに関わらず、共通のメカニズムに依存しているかどうかを検討する。 編集が知識を上書きするのではなく抑制することの発見は、なぜROMとMEMITが関連する事実の変更を伝播しないのかを説明する。
  論文  参考訳（メタデータ） (2026-04-18T16:18:08Z)
• CoEditor++: Instruction-based Visual Editing via Cognitive Reasoning [98.98349220451216]
  CoEditor++は、編集を"編集する方法"と"編集方法"に分解する、トレーニング不要のフレームワークである。 我々は,CoEditor++が編集タスクと編集タスクの両方において,最先端のパフォーマンスを実現することを示す。 以上の結果から,認知中心型画像編集の可能性が示唆された。
  論文  参考訳（メタデータ） (2026-01-31T12:20:46Z)
• SpotEdit: Selective Region Editing in Diffusion Transformers [66.44912649206553]
  SpotEditは、修正されたリージョンのみを選択的に更新する、トレーニング不要な拡散編集フレームワークである。 不要な計算を削減し、未修正領域で高い忠実性を維持することにより、SpotEditは効率よく正確な画像編集を実現する。
  論文  参考訳（メタデータ） (2025-12-26T14:59:41Z)
• FlowDC: Flow-Based Decoupling-Decay for Complex Image Editing [52.54102743380658]
  本稿では,複雑な編集を複数のサブ編集エフェクトに分離し,編集プロセス中に並列に重畳するFlowDCを提案する。 FlowDCは既存の方法に比べて優れた結果を示した。
  論文  参考訳（メタデータ） (2025-12-12T09:08:39Z)
• Quantifying Edits Decay in Fine-tuned LLMs [17.377278510871843]
  本研究では,微調整が知識編集に与える影響について検討する。 我々は,2つの最先端編集手法(MEMIT,AlphaEdit)と3つの微調整手法を評価した。 以上の結果から,微調整後に編集が崩壊し,生存は構成によって異なることが明らかとなった。
  論文  参考訳（メタデータ） (2025-11-08T04:58:03Z)
• CoEdPilot: Recommending Code Edits with Learned Prior Edit Relevance, Project-wise Awareness, and Interactive Nature [15.209899925736751]
  我々は、関連する編集を識別してコード編集を推奨するLLM駆動のソリューションであるCoEdPilotを提案する。 CoEdPilotは、複数のニューラルトランスフォーマーをオーケストレーションして、ロケーションの編集とコンテントの編集の両方に関して、プロジェクトの中で何とどのように編集するかを特定する。 実験の結果、CoEdPilotは編集位置を70.8%-85.3%の精度で予測でき、正確なマッチングレートは41.8%、BLEU4スコアは60.7である。
  論文  参考訳（メタデータ） (2024-08-03T10:23:05Z)
• Optimisation-Based Multi-Modal Semantic Image Editing [58.496064583110694]
  本稿では,複数の編集命令型に対応するために,推論時編集の最適化を提案する。 各損失関数の影響を調整することで、ユーザの好みに合わせてフレキシブルな編集ソリューションを構築することができる。 本手法は,テキスト,ポーズ,スクリブルといった編集条件を用いて評価し,複雑な編集を行う能力を強調した。
  論文  参考訳（メタデータ） (2023-11-28T15:31:11Z)
• Object-aware Inversion and Reassembly for Image Editing [61.19822563737121]
  オブジェクトレベルのきめ細かい編集を可能にするために,オブジェクト認識型インバージョンと再アセンブリ(OIR)を提案する。 画像の編集時に各編集ペアに対して最適な反転ステップを見つけるために,検索基準を用いる。 本手法は,オブジェクトの形状,色,材料,カテゴリなどの編集において,特に多目的編集シナリオにおいて優れた性能を発揮する。
  論文  参考訳（メタデータ） (2023-10-18T17:59:02Z)
• Learning Structural Edits via Incremental Tree Transformations [102.64394890816178]
  構造化データのインクリメンタルな編集(すなわち「構造的編集」)のための汎用モデルを提案する。 我々の編集者は、反復的にツリー編集(例えば、サブツリーの削除や追加)を生成し、部分的に編集されたデータに適用することを学びます。 提案したエディタを2つのソースコード編集データセットで評価した結果,提案する編集エンコーダでは,従来よりも精度が向上していることがわかった。
  論文  参考訳（メタデータ） (2021-01-28T16:11:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。