講演情報
[1Yin-B-65]知識グラフの構造が知識編集のRipple Effectに与える影響
〇湯澤 広翔1、石垣 龍馬1、前田 英作1 (1. 東京電機大学)
キーワード：
知識編集
大規模言語モデル（LLM）における知識編集技術は，誤った情報の修正を可能にする一方で，関連知識へ意図しない変化を及ぼす「Ripple Effect（波及効果）」のリスクを孕んでいる．本研究では，知識グラフ全体の構造的な違いが，この副作用の広がりにどのような差異をもたらすかを，小規模言語モデル（SLM）を用いて体系的に検証した． 実験では，異なる構造特性を持つ複数の知識グラフを生成し，知識編集を適用した際のモデル挙動を分析した．評価においては，非編集対象となる知識群に対し，編集前後の出力ロジットの変化量を平均化することで，波及効果の強度を定量化した．実験の結果，ランダム性やコミュニティ構造を持つグラフでは副作用のばらつきが小さく安定している一方，ハブやショートカットを有するグラフでは分散が顕著に大きく，編集箇所によって副作用の強度が極端に変動するリスクが確認された．本稿では，グラフの構造的要因がいかにしてRipple Effectの増減に関与するかを報告し，堅牢で安全な知識編集を実現するための基礎的な知見を提供する．