大模型补知识不再只找短板：先判断知识处于哪种状态，再选干预，两套评测平均高出18.41分
大模型补知识正从预设流程转向由评测引导的定向更新，但定位到薄弱点并不等于知道该用哪种干预。递归知识改进（RKI）把知识组织成图结构单元，在每一轮定位薄弱点、依据诊断证据与干预历史估计模型当前的知识状态，再选择对应干预并在更新后重新评测。在HotpotEval与SafeInternalEval上，RKI相对已有知识注入方法平均高出18.41分；分析还显示知识状态能为干预选择提供薄弱点定位之外的额外指引，且模型更新后状态可能改变而观察到的薄弱点仍然存在。