一句话定义：知识编辑（Knowledge Editing）是一类让大模型"改口"的技术——不重新训练整个模型，而是直接定位到存储某条事实的那部分参数，把它改写掉。ROME（Rank-One Model Editing，秩一模型编辑）是其中最有代表性的一种做法。
为什么需要它
大模型把世界知识压进了几百亿个参数里。想纠正一条错误事实，传统做法是拿新数据再微调一轮。问题是代价太高，而且容易"牵一发而动全身"：改好了这一条，别的能力反而退化了，这叫AI 词典：灾难性遗忘">灾难性遗忘。
打个比方：微调像是发现书里有个错别字，就把整本书重新排版印刷一遍；知识编辑像是找到那一页那一行，用修正液涂掉，写上新的。前者贵且容易出岔子，后者便宜、精准。
它是怎么做到的
研究者用"因果追踪"这类方法发现，Transformer 中间层的前馈网络（MLP）很像一个键值存储：主语是键，对应的事实是值。定位到具体位置后，ROME 对某个权重矩阵做一次秩一更新——可以理解为给矩阵加一个由两个向量外积构成的小补丁，这个补丁的作用恰好是"把'A 的首都是 B'换成'A 的首都是 C'"。后续方法把单条编辑扩展到成批编辑，一次改掉上百上千条事实。
和相邻概念的区别
| 方法 | 改不改权重 | 作用粒度 | 主要代价 |
|---|---|---|---|
| 全量微调 | 改，且改动很大 | 整体行为 | 算力高，易遗忘 |
| 知识编辑 | 改，但改动极小 | 单条事实 | 泛化窄，可能误伤邻近知识 |
| 检索增强（RAG） | 不改 | 单次回答 | 依赖检索质量与上下文长度 |
| 提示工程 | 不改 | 单次回答 | 不稳定，占上下文 |
一句话区分：微调是"重新教育"，知识编辑是"做手术"，RAG 和提示是"临时递小抄"。
对从业者的意义
- 改错与合规：模型说错了事实、泄露了不该记住的信息，可以定点清除，不必重训。
- 低成本更新：业务知识变了，不用等下一次训练周期。
- 但别指望一劳永逸：编辑后常见"换个问法就答不出来"，或者相近事实被带歪。评估时要同时看三件事——改没改对、换问法还认不认、别的地方有没有被弄坏。
如果你在做模型运维或知识库产品，知识编辑值得放进工具箱，但它更像是补丁而非常规更新手段。具体的算法实现和可用工具，以官方页面和原始论文为准。