跨语言编辑：多语言知识编辑综述

尽管知识编辑在单语环境中已被广泛研究，但在多语言语境中仍缺乏探讨。本综述系统化了多语言知识编辑（Multilingual Knowledge Editing, MKE）的近期研究，这是一个不断发展的模型编辑子领域，专注于确保事实编辑在各语言间可靠地泛化。我们提出了 MKE 方法的综合分类体系，涵盖基于参数、基于记忆、微调和超网络的方法。我们调研了可用的基准，总结了关于方法有效性和迁移模式的关键发现，指出了跨语言传播中的挑战，并强调了与语言各向异性、评估覆盖率和编辑可扩展性相关的开放性问题。我们的分析整合了一个快速发展的领域，并为未来可编辑的语言感知 LLM 的进展奠定了基础。