arXiv · ML· Zehao Zhao, Shangjian Yin, Rui Liu, Chongyang Bai, Mark Ibrahim, Kavosh Asadi, Yuchen Lu, Hang Cui, Hamed Firooz·· 5 小时前AI 评分28
超越更新计数：测试时模型更新评估的控制图框架
Beyond Update Counts: A Control Map for Evaluating Test-Time Model Updates
AI 导读
研究提出评估测试时更新的Control Map框架，解决现有评估遗漏更新位置与时序问题。 实验表明，在760M参数模型上，24种调度方案导致19.7%-34.2%的准确率差异。CounterFact LoRA在六种设置下均成功学习，而ROME虽保留编辑却缺乏局部性。
来源：arXiv · ML · arxiv.org