📊 论文图表(共 5 张)

展开查看 5 张图

‹ ›

TL;DR

这篇论文关注大语言模型在时间性事实更新中的一个核心矛盾：编辑并非总是简单的"以新替旧"。当一个事实随时间变化时（比如某公司换了CEO），模型既需要在当前语境下输出新答案，又需要在历史语境下保留旧答案的正确性。通过因果追踪技术，作者发现LLM内部天然存在两阶段计算机制——早期MLP层提取与时间无关的主体表征，后续层则用时间上下文对其进行调制。基于这一洞察，他们提出PRISM Edit方法，仅需优化一个多义表征向量，借助模型自身的调制通路即可实现时间路由，无需任何架构修改。在新提出的TimeConflict基准和时间增强CounterFact上，该方法较最佳基线在时间一致性指标上提升超过20个百分点，同时推理速度提升超过2倍。

研究背景与动机

模型编辑技术旨在无需重新训练的情况下更新大语言模型中的过时知识，这对构建可持续更新的知识型系统至关重要。当前的定位-编辑范式，如ROME、MEMIT等工作，假设编辑操作是一种整体替换——新知识写入后，旧知识被覆盖。这种假设在处理时间性事实时遇到了根本性的挑战。

考虑一个具体场景：假设我们要将"苹果公司CEO是库克"更新为"苹果公司CEO是鲍斯·克里格尔"。编辑完成后，模型需要同时满足三种不同的查询需求：当前时间查询应返回新答案，历史时间查询应返回旧答案，而没有时间标记的裸查询默认返回新答案。这要求编辑机制具备时间感知能力，而非简单的记忆覆盖。

既有方法在这一问题上的表现存在明显局限。METO、AToKe等尝试将时间作为额外维度进行建模，但这些方法需要为每个时间段分配独立参数或执行多次编辑，计算开销巨大。更关键的是，定位-编辑范式的编辑位点——通常位于早期MLP层——其输入表征对时间上下文并不敏感，这导致在该位置进行的线性更新在原理上无法区分不同时间语境下的几何差异。

基于这一洞察，作者主张采取"机制优先"的研究思路：在设计编辑方法之前，首先需要理解大语言模型内部是如何处理时间性知识的。这种从模型内部机理出发的思路，避免了在外围强行叠加复杂结构，而是寻求与模型固有计算机制协同工作的编辑策略。

方法

PRISM Edit的核心设计建立在对LLM时间处理机制深入分析的基础上。作者通过对LLaMA-3-8B和GPT-J 6B进行因果追踪，揭示了模型内部存在一个两阶段计算架构。

第一个阶段是时间无关的主体检索。通过分析早期MLP层在subject-last token处的间接效应，作者发现在L4至L8层之间存在一个显著的峰值。更重要的是，这个峰值对应的表征在不同时间上下文中高度相似，余弦相似度达到0.97以上。这意味着早期MLP层的工作是从输入中提取与时间无关的实体表示，为后续的时间调制提供统一的"原材料"。

第二个阶段是时间上下文的上层调制。时间信息通过L10至L15的注意力层首先到达last token，早于主体信号的整合。中层表征在时间维度上呈现先收敛（相似度约0.82）后发散（相似度约0.70）的两阶段模式。这种模式表明，时间上下文的调制作用发生在模型的高层，是最终输出的时间正确性的真正来源。

从几何角度可以更清晰地理解编辑位点的局限性。在subject-last MLP位点，对于同一主体在不同时间上下文下的两个输入，其表征几乎相同。设这两个输入为 $k_{new}$ 和 $k_{old}$，则有 $\Vert k_{new}-k_{old}\Vert \approx 0$，这意味着在该位置应用任何线性更新 $\Delta W$ 后，$\Vert \Delta W{k}_{new}-\Delta W{k}_{old}\Vert \le \Vert \Delta W\Vert \cdot \Vert k_{new}-k_{old}\Vert \approx 0$，编辑效果在本质上无法区分时间。

基于这些发现，PRISM Edit的设计原则是放弃在编辑位点强行分离时间的尝试，转而优化一个单一多义表征向量 $v^{\ast }$，将其路由至模型固有的下游时间调制通路。具体而言，该方法将编辑目标从"为每个时间点写入一个独立值"转变为"写入一个支持多种条件读取的共享锚点"，形式上可表示为 $v^{\ast }\stackrel{c_{t_1}}{\to }{o}_1,v^{\ast }\stackrel{c_{t_2}}{\to }{o}_2,\dots$，其中 $c_t$ 表示时间上下文。

在目标函数层面，PRISM Edit对多个时间上下文进行联合优化。对于包含新时间、旧时间和裸提示三种状态的情形，优化目标为：

其中 $L_i(\delta )=-\log P_{G_{v_0+\delta }}[o_i|p_i(s,r,t_i)]$，$\Omega (\delta )$ 为局部性和范数正则项。默认权重设置为 ${\lambda }_{old}=2,{\lambda }_{bare}=2$，确保历史语境和默认行为的正确性。

算法的实现采用闭式解的风格，遍历待编辑层集，按如下公式计算权重更新：

整个方法不引入任何额外模块、辅助记忆或路由网络，仅将写入目标从单一值变为支持多义读取的共享向量。

实验与结果

作者从Wikidata JSON dump构建了TimeConflict基准数据集，包含22,708条记录和24个关系，时间粒度达到天级精度，远超AToKe等先前工作的年级精度。数据集包含两个变体：TimeCF-Factual使用真实后继者，TimeCF-Fictional将后对象随机替换为虚构实体以消除预训练污染。同时，作者对CounterFact中的12个时间敏感关系进行了增强，为每条记录添加了多种时间表达形式，共获得6,219条测试数据。

实验采用六项指标进行评估：CES和HES分别衡量含显式时间戳的当前/历史查询准确率，CRS衡量无时间标记查询应返回新对象的准确率，而TC（时间一致性）作为最严格的共存指标，衡量同一记录CES与HES同时正确的比例。

在LLaMA-3-8B-Instruct上的主实验结果清晰展示了PRISM Edit的优势。在TimeCF-Factual上，该方法的TC指标达到47.6，显著优于AlphaEdit的23.9和MEMIT的21.1。在CounterFact↑上，PRISM Edit的TC达到48.7，CRS达到78.6，全面超越所有基线方法。平均而言，PRISM Edit较最佳基线在TC上提升23.3个百分点，在CRS上提升33.7个百分点。

效率方面的优势同样显著。在LLaMA-3 8B模型上，每条记录的平均编辑时间为5.44秒，相比AlphaEdit的15.10秒提速约2.8倍，相比METO的28.32秒提速超过5倍。这一速度优势主要来源于PRISM Edit仅需优化单一向量，而非维护复杂的时间分离结构。

消融实验进一步验证了设计决策的有效性。损失权重的消融表明，保持${\lambda }_{new}=1$不变时，$({\lambda }_{old},{\lambda }_{bare})=(2,2)$的组合在多数指标上表现最优，证实了历史语境和默认行为学习的重要性。上下文模板数量的实验表明，使用2-3个模板即可获得接近最优的效果，过多的模板反而可能引入噪声。

讨论与可借鉴点

PRISM Edit揭示了大语言模型内部时间处理机制的一个深刻洞察：时间信息的调制并非在输入层完成，而是在模型的高层通过与主体表征的交互逐步实现。这一发现对模型编辑领域具有重要的方法论启示——与其在外围强加时间感知结构，不如深入理解并顺应模型的固有计算机制。

该方法的局限同样值得注意。首先，单向量容量的理论上限尚不明确，当需要在极多时间状态下保持正确性时，单一多义表征可能面临容量瓶颈。其次，跨主体泛化能力仍是一个开放问题，PRISM Edit在每条记录上的优化是独立的，是否存在跨实体的知识迁移机制尚待探索。此外，TimeCF-Fictional上22.8的TC分数表明，虚构实体的处理仍是难点，这可能与模型对未见实体的表征能力有关。

从更广泛的角度看，这项工作为持续知识更新场景提供了轻量级解决方案的可行性验证。在金融、医疗、法律等领域，知识的时间敏感性尤为突出，PRISM Edit无需架构修改的特性使其具有良好的工程落地前景。同时，"机制优先"的研究范式为后续工作提供了方法论参考：理解模型的内在计算机制应当先于干预策略的设计。

摘要

模型编辑（Model Editing）使大语言模型（LLMs）无需重新训练即可保持知识更新，但时间性事实暴露了当前主流"定位-编辑"范式的一个局限：更新并不总是替换。当一个事实发生变化时，新的答案应当成为当前的回答，而旧的答案在历史时间语境下仍可能正确。基于这一洞察，我们借助因果追踪揭示：大语言模型已经能够通过两阶段的内部计算支持这种区分——早期 MLP 层检索与时间无关的实体表示，后续层则用时间上下文对其进行调制，从而给出时间正确的答案。受此发现启发，我们提出 PRISM Edit，它在跨时间上下文中优化单一多义表示，并利用模型固有的调制通路将其路由至时间正确的预测，无需任何架构修改。我们在所提出的新时间编辑基准 TimeConflict 以及时间增强的 CounterFact 上进行了评估。PRISM Edit 平均在 Temporal Consistency（TC，时间一致性）上较最佳基线提升 +23.3，在 Current Relative-time Score（CRS，当前相对时间得分）上提升 +33.7，同时速度提升超过 2 倍。代码与数据已公开发布于 https://github.com/AnonymousStudy972/PRISM-Edit。

速览

TLDR：模型编辑旨在无需重训练的情况下更新大语言模型中的过时知识，但时序事实更新与传统定位-编辑范式存在冲突：新答案应成为当前回答，旧答案在历史语境下仍可能正确。研究发现LLM内部已天然支持这种区分：早期MLP层提取与时间无关的主体表征，后期层结合时间上下文进行调制。PRISM Edit仅优化一个多义表征向量，通过模型自身的调制通路路由至时序正确的预测，无需架构改动。在TimeConflict和增强CounterFact上，TC提升+23.3、CRS提升+33.7，速度提升超过2倍。 \

Motivation：时序事实更新并非简单替换：新答案适用于当前语境，旧答案在历史语境下仍可能正确，传统定位-编辑范式难以同时兼顾。 \

Method：优化一个跨时间上下文的多义表征向量，借助早期MLP与后期层的两阶段调制通路路由至时序正确预测，无需架构改动。 \

Result：在TimeConflict与增强CounterFact上TC平均提升+23.3、CRS提升+33.7，速度超过最强基线2倍。 \

Conclusion：揭示LLM时间处理的两阶段机制，提供无需改架构的轻量时序编辑方案，并发布TimeConflict基准。

Context：属于模型编辑方向，承接ROME等定位-编辑工作并扩展到保留历史正确性的多答案场景；适用于需时序持续更新的知识应用，单向量容量与跨主体泛化仍是开放问题。

Abstract

Model editing keeps large language models (LLMs) up to date without retraining, but temporal facts expose a limitation of the prevailing locate-and-edit paradigm: an update is not always a replacement. When a fact changes, the new answer should become current while the old answer may remain correct in historical time contexts. Building on this insight, we use causal tracing to show that LLMs already support this distinction via a two-stage internal computation: early MLP layers retrieve a time-agnostic subject representation, and later layers modulate it with temporal context to yield the time-correct answer. Motivated by this finding, we introduce PRISM Edit, which optimizes a single polysemous representation across temporal contexts and leverages the model's inherent modulation pathway to route it to temporally correct predictions, without any architectural modification. We evaluate on TimeConflict, a new temporal editing benchmark we introduce, and on temporally augmented CounterFact. PRISM Edit improves over the best baseline by +23.3 Temporal Consistency (TC) and +33.7 Current Relative-time Score (CRS) on average while being more than 2x faster. Code and data are publicly available at https://github.com/AnonymousStudy972/PRISM-Edit.

论文详细总结（自动生成）

PRISM Edit 论文总结

1. 核心问题与研究动机

• 问题定位：在模型编辑（Model Editing）领域，现有的"定位-编辑"（locate-and-edit）范式（如 ROME、MEMIT、AlphaEdit）隐含一个假设——编辑是"以新代旧"的整体替换。但时间性事实（temporal facts）打破了这个假设。
• 具体困境：当事实随时间变化时（如 2025 年 1 月美国总统从 Biden 变为 Trump），新答案应只在当下语境下生效，旧答案在历史时间语境下依然正确。因此时间性编辑需要同时满足：
• 后更新时间戳查询返回新答案；
• 前更新时间戳查询返回旧答案；
• 无时间标记的裸查询默认返回新答案。
• 既有方案的缺陷：
• METO、AToKe 等方法试图把时间作为额外维度存储，但需要为每个时间段分立参数或拆分多次编辑，开销大；
• 由于编辑位点（subject-last token 处的早期 MLP 层）的输入表征对时间不敏感，常规线性更新无法区分不同时间上下文的几何差异。
• 整体含义：作者主张"机制优先"（mechanism-first）——先理解 LLM 内部如何处理时间歧义，再设计与之协同的编辑方法，而非强加外部结构。

2. 方法论

2.1 核心思想

• 两阶段内部计算机制（通过对 LLaMA-3-8B 和 GPT-J 6B 的因果追踪得到）：
• Finding 1（主体检索与时间无关）：早期 MLP 层（L4–8）在 subject-last token 处的间接效应（IE）最大（峰值 $IE=0.549$，L4 MLP），且该表征在不同时间上下文下高度相似（$\cos \ge 0.97$）。
• Finding 2（时间上下文早到晚作用）：时间信息通过 L10–15 的注意力层先到达 last token（$IE=0.356$，L10），早于主体信号（L16 注意力）。中层表征先收敛（$\cos \approx 0.82$），高层再发散（$\cos \approx 0.70$），呈现"先收敛后发散"的两阶段模式。
• Finding 3（编辑位点几何局限）：在 subject-last MLP 位点对两个时间 prompt 的输入 $k_{new},k_{old}$ 几乎相同，导致线性更新 $\Delta W$ 满足：

$$\Vert \Delta W{k}_{new}-\Delta W{k}_{old}\Vert \le \Vert \Delta W\Vert \cdot \Vert k_{new}-k_{old}\Vert \approx 0$$

说明该层在原理上无法区分时间。

• 设计原则：放弃在编辑位点强行分离时间，转而优化一个单一多义向量 $v^{\ast }$，交由模型固有的下游时间调制通路完成路由。

2.2 形式化：时间多义性（Temporal Polysemy）

• 将编辑目标从"每个时间点写入一个值"改为"写入一个支持多种条件读取的共享锚点"：

$$v^{\ast }\stackrel{c_{t_1}}{\to }{o}_1,v^{\ast }\stackrel{c_{t_2}}{\to }{o}_2,\dots$$

• 形式上，最终 last-token 残差为 $h_{last}^{out}(s,t)=f(\bar{s},c_t)$，其中 $\bar{s}$ 是从编辑位点传播出的近似共享主体表征，$c_t$ 是时间 token 处的隐藏状态，$f$ 是上层聚合函数。

2.3 目标函数

• 传统方法对单一编辑提示求解：

$${\delta }_{std}^{\ast }=\arg \underset{\delta }{\min }\left[-\log P_{G_{v_0+\delta }}(o_{edit}|p_{edit})+\Omega (\delta )\right]$$

• PRISM Edit对 $N$ 个时间上下文联合优化：

$${\delta }^{\ast }=\arg \underset{\delta }{\min }\sum _{i=1}^N{\lambda }_i{L}_i(\delta )+\Omega (\delta )$$

其中 $L_i(\delta )=-\log P_{G_{v_0+\delta }}[o_i|p_i(s,r,t_i)]$，$\Omega (\delta )$ 为局部性 + 范数正则。

• 两状态典型情形：

$${\delta }^{\ast }=\arg \underset{\delta }{\min }\left[L_{new}+{\lambda }_{old}{L}_{old}+{\lambda }_{bare}{L}_{bare}+\Omega (\delta )\right]$$

• $L_{new},L_{old}$：新/旧时间上下文对应的负对数似然；
• $L_{bare}$：裸提示下目标新答案的负对数似然，用于学习"默认答案"。
• 权重默认：$({\lambda }_{old},{\lambda }_{bare})=(2,2)$（${\lambda }_{new}=1$ 固定）。

2.4 算法流程（Algorithm 1）

• 对每个编辑 $e_b=(s_b,r_b,\{(t_{b,i},o_{b,i},{\lambda }_{b,i}){\}}_{i=1}^N)$：

1. 在目标层 ${\ell }^{\ast }$ 的 subject-last 处提取 $v_{0,b}$，初始化 ${\delta }_b=0$；

2. 通过优化器解出 ${\delta }_b^{\ast }$ 与 $v_b^{\ast }=v_{0,b}+{\delta }_b^{\ast }$；

3. 遍历待编辑层集 $L$，按 MEMIT/AlphaEdit 风格的闭式解：

$$\Delta W_{{\ell }_w}=R_{{\ell }_w}{K}_{{\ell }_w}^{\top }{P}_{{\ell }_w}{M}_{{\ell }_w}^{-1},M_{{\ell }_w}=P_{{\ell }_w}(C_{{\ell }_w}+K_{{\ell }_w}{K}_{{\ell }_w}^{\top })+\eta I$$

其中 $K_{{\ell }_w},R_{{\ell }_w}$ 由 $v_b^{\ast }$、$h_{b,{\ell }_w}^{cur}$ 与键均值构造，$P_{{\ell }_w}$ 为 AlphaEdit 风格的零空间投影，$\eta$ 为 L2 正则系数。

• 关键特点：完全不引入额外模块、辅助记忆或路由网络，权重写入层不变，只把写入的目标值变为多义 $v^{\ast }$。

3. 实验设计

3.1 任务定义

• 时间冲突编辑：同一 (s, r) 对在不同时间下映射到不同 object，编辑后模型需同时满足"现在/历史/裸提示"三种行为。

3.2 数据集

• TimeConflict（本文新发布）：
• 来自 Wikidata JSON dump，使用 P580/P582/P585 等限定时间戳；
• 共 22,708 条记录、24 个关系，天级时间粒度（弥补 AToKe 仅年级的不足）；
• 两个变体：TimeCF-Factual（真实后继者）与 TimeCF-Fictional（随机替换为虚构实体，剔除预训练污染）；
• 截止日期 2023-01-01；前对象时间跨度 1751-09 至 2024-12，后对象至 2025-12；唯一主体 >18,000 个。
• CounterFact↑（本文增强）：
• 在 CounterFact 上筛选 12 个时间敏感关系（occupation、employer、head of state 等）共 6,219 条；
• 为每条记录增加"Since/Before"、"From … onward/Prior to"、"As of/Up to"等多种时间表达，将静态重写转为两期对比。
• 采样：每个数据集采样 1,000 条，按关系比例 + 时间分层（40% 最新 / 30% 中段 / 30% 最旧），固定 seed=42。

3.3 评价指标（Yin et al. 2024 的扩展）

• CES / HES（Current/Historical Explicit-time Score）：含显式时间戳的查询准确率；
• CES-P / HES-P：上述指标的改写稳健变体；
• CRS（Current Relative-time Score）：无时间标记查询应返回新对象的准确率；
• TC（Temporal Consistency）：同一条记录 CES 与 HES 同时正确的比例——最严格的共存度量。
• 评估准则：采用归一化子串匹配（normalized substring match），比传统的 token 级 NLL 更严格。

3.4 对比方法

• Locate-then-edit 类：ROME、MEMIT、AlphaEdit（均不显式建模时间）、METO（显式建模时间）；
• Memory-based 类（附录 C 单独报告）：GRACE（外部 KV 码本）、WISE（参数化旁挂记忆 + 路由器）；
• 参考基线：Fine-Tuning、未编辑模型（Pre-Edit）。
• 实验模型：主文 LLaMA-3-8B-Instruct，附录 GPT-J 6B。
• 编辑协议：按批顺序编辑（每批 100 条），每个数据集共 1,000 条。

4. 资源与算力

• 论文未明确披露 GPU 型号、数量、训练时长、显存占用等算力细节；
• 仅给出每条记录的平均编辑时间（LLaMA-3 8B 上）：
• PRISM Edit 5.44 s；
• MEMIT 11.74 s、AlphaEdit 15.10 s、METO 28.32 s、ROME 38.18 s；
• 较 AlphaEdit 提速约 2.8×，较 METO 提速约 5.2×；
• Memory-based 方法对比：LLaMA-3 上 GRACE 8.06 s、WISE 25.86 s；GPT-J 上 PRISM Edit 仅 3.33 s（GRACE 27.22 s、WISE 20.87 s）。
• 因果追踪实验规模：在 LLaMA-3-8B 上跑 500 条（GPT-J 6B 上一致规模）模型能正确回答的时间知识对，详见附录 A。

5. 实验数量与充分性

• 数据集 × 模型组合：
• 主表（表 1）：3 数据集（CounterFact↑、TimeCF-Factual、TimeCF-Fictional）× 1 主模型（LLaMA-3-8B）× 7 方法 × 6 指标 ≈ 126 个数据点；
• 附录 GPT-J 复现（表 7）：同上结构再 126 个数据点；
• Memory-based 对比（附录 C.2，表 8、表 9）：3 数据集 × 2 模型 × 3 方法 × 6 指标 ≈ 108 个数据点。
• 消融/分析：
• 损失权重消融（表 3）：${\lambda }_{new}=1$ 固定，$({\lambda }_{old},{\lambda }_{bare})$ 的 7 种组合 × 7 指标；
• 上下文模板数量消融（表 11）：模板数 1/2/3/6/10 × 6 指标；
• 跨架构一致性：附录给出 GPT-J 上的六面板 AIE 热力图（图 4），与 LLaMA-3 一致；
• 案例可视化（图 5）：6 个成功 + 2 个失败案例的 last-token 表征 32 层 PCA 轨迹，标注分歧起始层（平均约 L20）。
• 公平性：
• 对不显式建模时间的方法（ROME/MEMIT/AlphaEdit），把新事实与旧事实当作两次独立编辑请求，遵循其原始使用方式；
• MEMIT/AlphaEdit 的关键超参（编辑层集合、空集投影统计等）均按各自原论文设置；
• METO 作为最直接的"时间增强"对手进行 head-to-head 比较；
• Memory-based 方法（GRACE/WISE）因设计哲学不同单独成表，避免与参数编辑法混排误导。
• 总体评价：覆盖数据集、模型、指标、消融维度都较为充分；唯一可观察到的偏差是 TimeCF-Fictional 上绝对分数明显较低（PRISM Edit 仅 TC=22.8），但这是任务难度本身的体现，方法间相对优势仍清晰。

6. 主要结论与发现

• 机制层面：
• LLM 通过"早期时间无关主体提取 + 上层时间调制"的两阶段机制处理时间性事实；
• 这种结构是"几何必然"：在 subject-last MLP 处，$k_{new}\approx k_{old}$，任何线性更新都无法区分时间，是 locate-and-edit 方法在时间场景下的根本局限。
• 方法层面：
• PRISM Edit 在 全部三个数据集、全部六项指标 上均取得第一名；
• 跨数据集平均提升：+19.2 CES、+12.5 HES、+33.7 CRS；
• TC 平均 +23.3（最强共存证据）；
• 编辑速度比 AlphaEdit 快 2.8×、比 METO 快 5.2×；
• 在 GPT-J 6B 上同样取得最佳表现（附录表 7），验证跨架构可迁移。
• 设计经验：
• ${\lambda }_{old}$ 引入带来历史召回但过强会压制新事实；${\lambda }_{bare}$ 是裸提示默认行为的必要条件（去掉后 CRS 跌至 36–45%）；
• 模板增强并非必需：单模板即可取得最佳综合平衡，更多模板反而稀释时间信号；
• 定性可视化（图 5）显示 PRISM Edit 确实在约 L20 层产生表征分歧，与机制假设一致。

7. 优点

• 机制驱动的方法学价值：首次把因果追踪与表征相似度分析扩展到 (s, r, o, t) 四元组，揭示出"几何必然"层面的编辑位点局限，为后续研究提供了可复用的分析范式。
• 最小侵入式设计：完全保留原模型架构与推理路径，仅改变写入的目标值，部署与现有 locate-then-edit 流水线兼容。
• 理论-实践闭环：不仅给出 Eq.(1) 的几何不可能性证明，还通过公式 (4)-(5) 把这一约束直接转化为可优化的目标函数。
• 数据贡献：TimeConflict 是首个日级粒度、覆盖 24 个关系、含真实与虚构双变体的时间编辑基准，填补了 AToKe（年级、9 关系）的覆盖空白。
• 评估严谨：归一化子串匹配 + 改写稳健指标（CES-P/HES-P）+ 联合指标 TC 共同把关，避免单纯 token 级 NLL 的高分假象。
• 效率与质量兼得：在所有指标上领先的同时仍保持最快速度，避免"以时长换精度"的常见权衡。
• 可解释性可视化：32 层 PCA 轨迹直观呈现"早期共享—晚期分歧"的两阶段模式，与机制分析互相印证。

8. 不足与局限

• 粒度未充分挖掘：TimeConflict 已提供日级标注，但主实验仅在年级运行；月/日级细粒度编辑未测试，是否需要更密集监督仍是开放问题。
• 两状态假设：主优化形式聚焦"当前 vs. 历史"两期，对 $k>2$ 共存时间目标的扩展性未验证（作者明示留给未来工作）。
• 时间表示覆盖面有限：仅以显式时间戳与裸提示区分；对"近年/最近/几年间"等模糊表达未涉及，泛化能力有待考察。
• 机制推广性未证：所利用的"上层注意力 + 时间 token 上下文调制"机制是否同样适用于领域、风格、语言等其他上下文条件的多义编辑，作者承认"自然但未验证"。
• 算力披露不全：未说明 GPU 型号/数量/总机时，仅给出单条编辑延迟，复现成本难以预估。
• 基线公平性细节：MEMIT/AlphaEdit 等"无时间"方法被强制当作两次独立编辑请求处理，可能放大其 TC 劣势；但反过来说，这种"非时间友好"用法也未必完全代表方法本意，存在解读空间。
• 数据集分布偏斜：TimeConflict 的关系分布长尾明显（Top 3 占 ~72%），主流结果可能由少数高频关系主导，低频关系上的稳定性需要更多细分报告。
• 失败案例分析不足：图 5 仅给出 2 个失败案例的定性观察，作者将其归因于"上层细化不足"，但缺乏系统性诊断与改进策略。

（完）