본 논문은 소규모 매개변수 설정에서 사용자 특정 상식 지식 적응에 어려움을 겪는 대규모 언어 모델(LLM)의 한계를 해결하기 위해 새로운 데이터셋 CaseEdit과 생성 파이프라인을 제시합니다. ATOMIC20/20 상식 그래프를 기반으로, 다단계 추론 과정을 통해 가정용 물건에 대한 일반적 및 비일반적 상황 편집과 신뢰성, 일반화, 지역성, 이식성 네 가지 축에 걸친 평가 질문을 생성합니다. CaseEdit을 사용하여 기존 지식 편집 방법을 평가한 결과, AlphaEdit 기법이 다른 방법보다 우수한 성능을 보이며, 특히 소규모 모델(LLaMA 3.2 3B)에서 확장성 테스트에서도 최소한의 파급 효과만 보였습니다. 결과적으로 CaseEdit과 AlphaEdit 같은 효과적인 편집 기법을 사용하면 소규모 모델이 고품질의 상황 인식 상식 지식을 내재화하여 경량화된 개인화된 어시스턴트를 가능하게 합니다.
