Resumen: La edición de conocimiento permite que los modelos de lenguaje grande (MLLM) multimodal (MLLM) actualicen eficientemente información anticuada o incorrecta. Sin embargo, los puntos de referencia existentes enfatizan principalmente las modificaciones a nivel cognitivo, al tiempo que carecen de un enfoque en los procesos meta-cognitivos más profundos. Para cerrar esta brecha, presentamos a Cogedit, un nuevo punto de referencia diseñado para evaluar las habilidades de edición del conocimiento meta-cognitivo de MLLMS en tres niveles: (1) edición impulsada por contrafactual, evaluando la autoconciencia de los cambios en la corrección del conocimiento; (2) edición de restricciones límite, asegurando la generalización apropiada sin interferencia no intencionada; y (3) edición de robos de ruido, promoviendo una evaluación reflexiva de información incierta. Para avanzar en la edición meta-cognitiva, proponemos la mente (edición de conocimiento dinámico integrado meta-cognitivo), un marco que construye una memoria de meta-conocimiento para la autoconciencia, emplea interacciones teóricas del juego para monitorear la activación del conocimiento e incorpora un refinamiento de etiquetas para las actualizaciones de robos de ruido. Extensos experimentos muestran que la mente supera significativamente los enfoques de edición cognitivos existentes, logrando un fuerte rendimiento en los puntos de referencia de edición de conocimiento tradicional y meta-cognitivo.
Publicado Originalme en export.arxiv.org El 8 de septiembre de 2025.
Ver Fuente Original
