大模型提出RKI框架改进知识

2026年10月28日，Runze Jiang等研究者提出递归知识改进（RKI）框架，旨在解决大语言模型中的知识状态混叠问题。该研究发表于arXiv，属于自然语言处理领域的核心进展。 RKI方法将知识组织为图结构化单元，通过定位弱点、估计运行知识状态并选择对应干预来优化模型性能。现有诊断方法分辨率不足，RKI通过跨轮次重评估实现状态感知更新。 在HotpotEval和SafeInternalEval两个基准测试中，RKI平均优于现有知识整合方法18.41分。这一结果验证了该框架在提升大模型知识改进效率方面的显著优势。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。