**文本编辑能否泛化至视觉生成？评估统一多模态模型中的跨模态知识编辑**

_Do Text Edits Generalize to Visual Generation? Benchmarking Cross-Modal Knowledge Editing in UMMs_

> 统一多模态模型（UMM）在实际部署中需要更新内部知识，但文本编辑是否影响图像生成尚不明确。本文推出首个跨模态知识编辑基准UniKE，包含2971个编辑主题。实验发现文本编辑效果可达约92%，但直接图像生成的VQA准确率仅18.5%，存在显著模态差距。提出推理增强参数编辑方法，提升所有模型-编辑器配对的VQA准确率最高18.6个百分点。分析表明差距源于编辑后的文本表示与视觉生成条件路径的不完全对齐。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-04 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.00477)