LLMの知識を狙い撃ちして編集する手法（Knowledge Editing：知識編集）の現状を網羅的にまとめた論文が公開されています。 知識編集はモデル全体を再学習させることない効率的なアプローチと言われており、信頼性の向上や、パーソナライズされたエージェントの開発に役立つとのことです。なお、有名な手法としてはLoRAなどが含まれます。 本記事では背景、知識編集の概要、3つのフェーズ、評価方法、今回行われた実験と結果、そして応用例について紹介します。 参照論文情報 タイトル：A Comprehensive Study of Knowledge Editing for Large Language Models 著者：Ningyu Zhang et al.（多数） 所属：浙江大学, シンガポール国立大学, カリフォルニア大学ロサンゼルス校, Ant Group, Alibaba Group

身近な人がデジタルデトックスをやるということを聞き、自分もこれは必要かもしれないかもなと感じたため、自分なりにデジタルデトックスもどきを実践してみています。 実践し始めて１週間ちょっとしか経っていないですが、すでに多くの良い変化を感じられているのでメモしておこうと思います。 なぜ始めたか、何をしているか#はじめに述べたデジタルデトックスすると言っていた人と話している中で、自分は短時間で得られる刺激に悪い意味で慣れてしまっていることに自覚的になりました。 例えば、YouTube Short や Twitter、インスタのストーリー、社内の Times など。 短時間で得られる刺激を摂取しすぎてしまっていることによって感じていた弊害は以下です。 理解できるとか面白さを感じるとか、何らかの結果や刺激を得られるまでに時間がかかるということに対する耐性が減る手軽に得られる面白さに慣れて、自分の感性に