阿拉伯语知识编辑的探索
An Exploration of Knowledge Editing for Arabic
AI总结：
首次探索阿拉伯语知识编辑，在ZsRE和Counterfact基准上评估四种方法，发现指令微调方法跨语言泛化更稳健，扩展LTE至多语言并发布相关基准与数据。
摘要：
尽管知识编辑（KE）在英语中已被广泛探索，但其在阿拉伯语等形态丰富语言中的行为仍未被充分研究。在本研究中，我们首次对阿拉伯语KE进行了研究。我们在ZsRE和Counterfact基准的阿拉伯语翻译版本上评估了四种方法（ROME、MEMIT、ICE和LTE），并分析了多语言和跨语言设置。我们在Llama-2-7B-chat上的实验表明，基于参数的方法在跨语言泛化方面存在困难，而指令微调方法表现更为稳健。我们将Learning-To-Edit（LTE）扩展到多语言环境，并表明阿拉伯语-英语联合训练提升了可编辑性和迁移能力。我们发布了阿拉伯语KE基准和LTE数据的多语言训练，以支持未来的研究。
英文摘要：
While Knowledge Editing (KE) has been widely explored in English, its behavior in morphologically rich languages like Arabic remains underexamined. In this work, we present the first study of Arabic KE. We evaluate four methods (ROME, MEMIT, ICE, and LTE) on Arabic translations of the ZsRE and Counterfact benchmarks, analyzing both multilingual and cross-lingual settings. Our experiments on Llama-2-7B-chat show that parameter-based methods struggle with cross-lingual generalization, while instruction-tuned methods perform more robustly. We extend Learning-To-Edit (LTE) to a multilingual setting and show that joint Arabic-English training improves both editability and transfer. We release Arabic KE benchmarks and multilingual training for LTE data to support future research.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
