超越局部编辑：用于更广泛评估与模型编辑中知识保留的嵌入虚拟化知识

当前大语言模型的知识编辑方法通常依赖预定义基准，仅评估被编辑事实及其有限的相关知识，难以全面理解编辑对模型整体知识系统的影响。为此，本文提出嵌入虚拟化知识（EVK），通过在嵌入空间中施加受控扰动，刻画模型知识并探索超出显式数据标注的更广泛虚拟知识区域。基于EVK，作者构建了嵌入级评估基准EVK-Bench，可量化编辑引发的知识漂移，揭示传统样本级指标无法捕捉的影响。此外，还提出即插即用的EVK-Align模块，在编辑过程中约束嵌入级知识漂移，可无缝集成至现有编辑方法。实验表明，该方法在不牺牲编辑准确率的前提下显著提升知识保留能力，并支持更全面的评估。