MO-IKE 用多目标强化学习把提示构建建模为约束马尔可夫决策过程，在 Llama-3.2 上将编辑成功率从 85.0% 提升到 92.0%，改写一致性从 77% 提升到 79%，并将保留率提高 23.0%
该工作提出 MO-IKE，一种多目标强化学习算法，将上下文知识编辑中的提示构建形式化为约束马尔可夫决策过程，训练动态检索器以在可靠性、通用性和特异性等相互竞争的目标之间进行优化，在 Llama-3.2 上把编辑成功率从 85.0% 提升到 92.0%、改写一致性从 77% 提升到 79%，并将保留率较此前基于强化学习的方法提高 23.0%。