EngramEdit：通过条件记忆实现 LLM 中的解耦知识更新

EngramEdit 提出通过条件记忆在保持 Transformer 主干固定的情况下更新 LLM 事实知识。它计算目标记忆表示并联合更新共享 n-gram 嵌入，对高频复用嵌入施加更强惩罚以保留无关知识。实验显示其编辑成功率接近完美，更新知识可用于未见表达和多跳推理，CoT 提示下准确率接近最强基线的 3 倍。