无需修改参数的模型更新

Selective Contextual Reasoning (SCR) 是一种用于大型语言模型（LLMs）知识更新的方法，无需修改模型参数。它通过上下文学习和外部知识的动态集成来更新模型的知识。SCR采用两步策略：首先进行语义过滤以检索相关知识，然后利用LLM确认知识的准确性和相关性。实验表明，SCR在特定数据集（如WikiData）上优于其他十种模型编辑方法，展示了其可扩展性和鲁棒性。