论文用模拟未来事件评估并训练LLM知识插入，问答准确率提升14.23分。
资讯摘要
论文提出模拟驱动的LLM知识插入评估与训练方法：构建PARALLELEVENTS基准，模拟虚构但合理的未来事件轨迹，避免数据污染及与既有知识冲突；并提出SYNAPSE训练框架，用模型生成数据经指令微调将新知识写入参数。作者报告SYNAPSE在问答准确率上较此前方法提升14.23分。
要点速读
- PARALLELEVENTS基准通过模拟连贯的虚构未来事件轨迹，实现可控的知识插入评估，规避数据污染和与既有知识的冲突。
- SYNAPSE利用模型生成数据，通过指令微调把新知识整合进模型参数，无需昂贵的人工整理数据。
- 作者报告SYNAPSE的问答准确率较此前方法提升14.23分。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。