UniEdit：面向大语言模型的统一知识编辑评测基准

UniEdit是已被NeurIPS 2025接收的大规模开放域知识编辑评测基准，包含31.1万样本，基于Wikidata的2990万实体构建，覆盖25个学科领域，通过NMCS算法生成多样化评测样本，从可靠性、泛化性、局部性三个维度系统评估知识编辑算法表现。

大语言模型（LLMs）在训练过程中会固化大量事实知识，但这些知识可能过时、错误或包含偏见。知识编辑技术旨在精准修改模型中的特定事实，而无需重新训练整个模型。然而，现有评测基准存在明显局限：知识覆盖范围狭窄、结构多样性不足、评估标准不完整，导致研究者难以全面了解编辑算法的真实性能。

UniEdit由研究人员推出，包含31.1万个高质量样本，从Wikidata的2990万实体中采样构建，覆盖五大领域的25个具体学科。其核心创新是NMCS（邻域多跳链采样）算法，能基于事实三元组生成多跳推理链、同实体推理路径、关系反转场景等复杂测试案例；研究团队还使用DeepSeek-V3模型将结构化数据自动转换为自然语言形式，提升数据构建效率和标注质量。

UniEdit涵盖农学、艺术、天文学、生物学、化学、计算机科学等25个领域；支持单跳和多跳推理链结构；包含关系反转、主客体别名、特异性测试等多样化评估场景。每个编辑样本都配有完整的实体描述、关系属性和推理路径标注，为深度分析提供丰富信息。

UniEdit从三个关键维度评估知识编辑算法：

1. 可靠性：衡量编辑后模型对目标事实的记忆准确性；
2. 泛化性：评估模型对编辑事实的语义变体和推理泛化能力（如同义改写、多跳推理等）；
3. 局部性：测试编辑操作的精准性，确保无关事实不受影响。

对知识编辑研究者，UniEdit提供标准化、可复现的评测环境，有助于公平比较不同算法优劣；对大语言模型开发者，可帮助识别模型知识缺陷并验证修复效果；实际应用中，知识编辑技术可修正错误信息、更新过时知识、消除有害偏见，提升AI系统可信度和安全性。

UniEdit通过大规模数据构建、创新采样算法和全面评估框架，将知识编辑评测推向新高度。随着大语言模型在关键领域的广泛应用，精准高效的知识编辑能力愈发重要，UniEdit为该研究方向提供坚实基础，有望加速知识编辑技术的实用化进程。