Neue Methode ALEX: Schnellere, präzisere Wissensaktualisierung für LLMs

Das neue System ALEX (A Light Editing-knowledge Extractor) löst ein langjähriges Problem bei großen Sprachmodellen: die statische Wissensbasis, die es erschwert, sich an aktuelle Informationen anzupassen. Durch eine hierarchische Speicherarchitektur, die Änderungen in semantische Cluster gruppiert, reduziert ALEX die Suchkomplexität von linear O(N) auf O(K+N/C) und spart damit über 80 % an Suchraum. Ergänzt wird das Konzept durch einen Inferential Query Synthesis‑Modul, das die semantische Lücke zwischen Anfragen und Fakten schließt, sowie einen Dynamic Evidence Adjudication‑Engine, der einen effizienten zweistufigen Abrufprozess realisiert. In Tests auf dem MQUAKE‑Benchmark verbessert ALEX die Genauigkeit bei Mehrschritt‑Fragen (MultiHop‑ACC) und die Zuverlässigkeit der Beweiswege (HopWise‑ACC) deutlich. Damit bietet die Methode einen vielversprechenden Weg zu skalierbaren, effizienten und präzisen Wissensaktualisierungssystemen.