LLM多言語知識編集、マージング手法で言語間干渉緩和の有効性を検証
クニル・リー氏らの研究チームは2026年5月13日(現地時間)、大規模言語モデル（LLM）の多言語知識編集（MKE）におけるマージング手法に関する実証研究論文をarXiv cs.CLで公開した。この研究は、特定の言語知識編集が他の言語に干渉する課題に対し、様々なベクトルマージング手法の有効性を検証したもの。共有共分散を伴うベクトル加算が信頼性の高い戦略として示された一方、Task Singular Vectors for Merging（TSVM）は多言語干渉緩和能力に限界があることが明らかになった。研究は、多言語LLM開発における実務的な知見を提供している。