热点事件观察中
研究者提出大模型知识更新路由框架ALLOT
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年9月29日，arXiv公开关于大语言模型知识更新的研究成果，研究者提出了一种预算制混合内存路由框架ALLOT。该框架通过将学习到的写入优先级与硬性参数预算解耦，并在外部内存中保留全部事实来优化知识更新流程。实验表明，在CounterFact基准上，Qwen3-4B在20%的参数写入预算下可取得0.760的准确率，较全量双写减少了80%的参数写入量；在Qwen3-0.6B上，仅需6%至14.5%的参数写入即可达到双写级别的准确率。
AI 根据报道生成 · 8 小时前更新
最新进展9月29日 12:00
研究者提出混合内存路由框架ALLOT，可大幅减少大模型知识更新时的参数写入量。报道时间线
沿着报道，了解事件的不同侧面。
9月29日
- arXiv 人工智能ALLOT：面向大语言模型知识更新的预算制混合内存路由框架
ALLOT 是一种面向大语言模型知识更新的混合内存路由框架，将学习到的写入优先级与硬性参数预算解耦，并在外部内存中保留所有事实。在 CounterFact 基准上，Qwen3-4B 在 20% 参数写入预算下达到 0.760 准确率，参数写入量比全量双写减少 80%。在 Qwen3-0.6B 上仅需 6-14.5% 的参数写入即可达到双写级准确率。
本事件热度走势
当前热度 4·可比范围峰值 5（9月30日 12:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。