LadderEdit komprimiert Edits für speichereffizientes Lifelong Editing von LLMs
Beim Lifelong Editing von LLMs wächst der Speicherbedarf bei verbreiteten Verfahren linear, da pro Edit ein eigener LoRA-Adapter angehängt wird. LadderEdit setzt auf edit-level Residual Compression, um tausende Edits deutlich platzsparender zu halten.
Focus, um mehr über die von arXiv über DataCite ausgegebene DOI zu erfahren (Registrierung ausstehend). Einreichungshistorie Von: Xiaofeng Liu [ E-Mail ansehen ] [v1] Do, 8. Okt 2026, 03:20:35 UTC (531 KB).
Volltext-Links: Zugriff auf das Paper: PDF des Papers mit dem Titel LadderEdit: Edit-Level Residual Compression for Memory-Efficient Lifelong Editing of LLMs von Xiaobing Yu und 7 weiteren Autoren ansehen. PDF ansehen. HTML (experimentell).
TeX-Quelltext. Lizenz ansehen. Weitere Funktionen.
Audio-Zusammenfassung. Aktueller Browse-Kontext: cs.CL. < zurück | weiter > neu | aktuell | 2026-10. Browse-Bereich wechseln zu: cs, cs.CV, cs.LG, cs.MM.
Referenzen und Zitate: NASA ADS, Google Scholar, Semantic Scholar. BibTeX-Zitat exportieren. Wird geladen...
BibTeX-formatiertes Zitat. Wird geladen... Daten bereitgestellt von: Lesezeichen.
Bibliografische Tools. Bibliografische Explorer-Tools. Bibliographic Explorer umschalten ( Was ist der Explorer? ).
Connected Papers umschalten ( Was ist Connected Papers? ). Litmaps umschalten. Litmaps. scite.ai umschalten. scite.
Smart Citations ( Was sind Smart Citations? ). Code, Daten, Medien. Mit diesem Artikel verknüpfte Code-, Daten- und Medienressourcen. alphaXiv umschalten ( Was ist alphaXiv? ).
Links zu Code. CatalyzeX Code Finder umschalten. CatalyzeX Code Finder.
DagsHub umschalten. DagsHub. GotitPub umschalten.
Gotit.pub. Huggingface umschalten. Hugging Face.
ScienceCast umschalten. ScienceCast. Demos.
Replicate umschalten. Replicate. Spaces umschalten.
Hugging Face Spaces. Spaces. TXYZ.AI umschalten.
TXYZ.AI. Verwandte Paper. Empfehlungs- und Suchtools.
Link zu Influence Flower. Influence Flower ( Was sind Influence Flowers? ). CORE-Recommender umschalten ( Was ist CORE? ).
Autoren-Veranstaltungsort. Institution. Thema.
Über arXivLabs: arXivLabs ist ein Rahmen für experimentelle Projekte mit Community-Mitarbeitern. arXivLabs ermöglicht es Mitarbeitern, neue arXiv-Funktionen direkt auf unserer Website zu entwickeln und zu teilen.
Einzelne Personen wie auch Organisationen, die mit arXivLabs arbeiten, haben unsere Werte von Offenheit, Gemeinschaft, Exzellenz und Datenschutz für Nutzerdaten übernommen und bekräftigt. arXiv verpflichtet sich zu diesen Werten und arbeitet nur mit Partnern zusammen, die sich an sie halten.
Haben Sie eine Idee für ein Projekt, das einen Mehrwert für die arXiv-Community bietet? Erfahren Sie mehr über arXivLabs.
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
Focus to learn more arXiv-issued DOI via DataCite (pending registration) Submission history From: Xiaofeng Liu [ view email ] [v1] Thu, 8 Oct 2026 03:20:35 UTC (531 KB) Full-text links: Access Paper: View a PDF of the paper titled LadderEdit: Edit-Level Residual Compression for Memory-Efficient Lifelong Editing of LLMs, by Xiaobing Yu and 7 other authors View PDF HTML (experimental) TeX Source view license Additional Features Audio Summary Current browse context: cs.CL < prev | next > new | recent | 2026-10 Change to browse by: cs cs.CV cs.LG cs.MM References & Citations NASA ADS Google Scholar Semantic Scholar export BibTeX citation Loading... BibTeX formatted citation × loading... Data provided by: Bookmark Bibliographic Tools Bibliographic and Citation Tools Bibliographic Explorer Toggle Bibliographic Explorer ( What is the Explorer? ) Connected Papers Toggle Connected Papers ( What is Connected Papers? ) Litmaps Toggle Litmaps ( What is Litmaps? ) scite.ai Toggle scite Smart Citations ( What are Smart Citations? ) Code, Data, Media Code, Data and Media Associated with this Article alphaXiv Toggle alphaXiv ( What is alphaXiv? ) Links to Code Toggle CatalyzeX Code Finder for Papers ( What is CatalyzeX? ) DagsHub Toggle DagsHub ( What is DagsHub? ) GotitPub Toggle Gotit.pub ( What is GotitPub? ) Huggingface Toggle Hugging Face ( What is Huggingface? ) ScienceCast Toggle ScienceCast ( What is ScienceCast? ) Demos Demos Replicate Toggle Replicate ( What is Replicate? ) Spaces Toggle Hugging Face Spaces ( What is Spaces? ) Spaces Toggle TXYZ.AI ( What is TXYZ.AI? ) Related Papers Recommenders and Search Tools Link to Influence Flower Influence Flower ( What are Influence Flowers? ) Core recommender toggle CORE Recommender ( What is CORE? ) Author Venue Institution Topic About arXivLabs arXivLabs: experimental projects with community collaborators arXivLabs is a framework that allows collaborators to develop and share new arXiv features directly on our website.
Both individuals and organizations that work with arXivLabs have embraced and accepted our values of openness, community, excellence, and user data privacy. arXiv is committed to these values and only works with partners that adhere to them.
Have an idea for a project that will add value for arXiv's community? Learn more about arXivLabs.