论文提出 RKI，用知识状态估计指导大模型知识改进干预。
资讯摘要
论文指出，仅定位大模型的知识薄弱点不足以决定如何改进，因为同一薄弱点可能对应知识缺失、难以调用或可调用但下游无效等不同状态，作者称之为知识状态混叠。为此论文提出递归知识改进（RKI），将知识组织为图结构单元，每轮定位薄弱点、依据诊断证据与干预历史估计知识状态、选择对应干预并重新评估。作者报告在 HotpotEval 与 SafeInternalEval 上平均领先现有知识注入方法 18.41 分。
要点速读
- 论文提出知识状态混叠问题：同一薄弱点可对应不同知识状态，需不同干预。
- RKI 以图结构知识单元为基础，按轮次定位薄弱点、估计状态、选择干预并复评。
- 作者报告在 HotpotEval 和 SafeInternalEval 上平均超出对比方法 18.41 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。