返回 AI 工具目录
FastEdit
开发框架人工精选最近核验 2026年7月23日
FastEdit 是一个用于快速编辑大语言模型内部知识的工具:通过一条命令,把新的、定制化的事实注入到模型权重中,单条编辑约需十秒,而无需重新训练或全量微调。它实现了 Rank-One Model Editing(ROME)算法,支持多语言事实更新,并可用可选查询字段评估编辑的泛化性。工具以 Python 编写、采用 Apache-2.0 许可,支持 GPT-J、LLaMA、BLOOM、Falcon、Baichuan、InternLM 等模型,需 Python 3.8+、PyTorch 1.13.1+ 与 Transformers 等依赖,7B/13B 模型约需 24–32GB 显存。路线图提到计划引入 MEMIT 以支持大规模事实批量编辑。
定价开源部署本地运行国内可达国内可达
解决什么问题
- 用一条命令把新事实注入模型权重
- 以 ROME 定位并修改单条知识,约十秒完成
- 免去为少量事实做全量重训或微调
- 支持多语言事实更新
- 可用查询字段评估编辑后的泛化性
适合
- 给开源模型快速纠正或更新少量事实
- 研究 ROME 等定点模型编辑方法
- 在自有 GPU 上做本地知识注入实验
- 对 GPT-J、LLaMA、Baichuan 等做定制
不适合
- 需 24–32GB 显存,消费级卡可能不足
- 面向可访问权重的开源模型,闭源 API 不适用
- 单次仅改少量事实,大批量需等 MEMIT
- 属研究工具,无生产级流程与回滚保障
如何接入
- pip 安装后用单条命令行完成编辑
- 依赖 Transformers、Datasets、Accelerate 等
- 需 Python 3.8+ 与 PyTorch 1.13.1+ 环境
- 模型权重从 HuggingFace 获取后本地运行
已知限制
- 显存门槛较高,受模型规模制约
- 更新主要停留在较早版本,维护有限
- 批量事实编辑(MEMIT)尚在计划中
- 对指令跟随模型的编辑效果仍在完善
接入与使用事实
- 部署方式
- 本地运行
- 实现语言
- Python
- 中文界面
- 待确认
- 中文文档
- 待确认
- 定价方式
- 开源
- 许可证
- 待确认
- 国内可达性
- 国内可达
- 可达性观察
- 待补充
权限、依赖与维护信号
这些字段记录公开可见信号，不等同于安全审计结论。
权限信号
暂无公开信号。
依赖信号
暂无公开信号。
维护信号
暂无公开信号。
公开来源与证据
暂无可公开的来源链接。