EasyEdit

像改数据库一样，直接修改大模型的知识，无需重训练。

EasyEdit 是一个面向大语言模型（LLM）的知识编辑框架，由 ACL 2024 论文提出，旨在高效、精准地修改模型内部已学到的知识，而无需重新训练或微调。它解决了 LLM 知识过时、错误或需要个性化更新的痛点，让开发者能像操作数据库一样直接编辑模型记忆。核心能力包括：支持多种主流知识编辑方法（如 KN、MEND、ROME 等）的统一实现与对比，提供简洁的 API 和命令行工具，覆盖从单点知识编辑到批量编辑、从模型评估到回滚的完整流程。项目代码结构清晰，附带丰富示例和文档，便于研究者复现实验和开发者集成到实际应用。其设计强调易用性和可扩展性，降低了知识编辑技术的使用门槛，推动了大模型在动态知识场景中的实用化。

开源 free 对话助手

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2926

维护状态维护中

是否开源是

定价模式 free

项目数据

分类对话助手

开发团队zjunlp

所属国家

官网地址https://zjunlp.github.io/project/KnowEdit

GitHubhttps://github.com/zjunlp/EasyEdit

定价模式free

价格说明开源框架，MIT许可证，完全免费，需自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Jupyter Notebook

技术栈/模型artificial-intelligence,baichuan,chatgpt,cknowedit,easyedit,easyedit2,efficient,gpt,knowedit,knowledge-editing,knowlm,large-language-models,llama,mmedit,model-editing,natural-language-processing,safeedit,tool,trustworthy-ai,unlearning

GitHub 星标★ 2926

30天Star增速

HF 下载量

上线时间2023-05-09 00:00:00

最近更新2026-09-23 00:00:00

维护状态维护中

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

难度：进阶约 15 分钟部署方式：库/依赖 7 步

环境要求

Python 3.9+（README 示例使用 3.10）
已安装 conda（用于创建独立环境）
已安装 git，可克隆 GitHub 仓库
可选：uv（用于更快的依赖安装）
运行知识编辑实验需足够 GPU 显存（不同方法 6GB~60GB 不等）

安装与启动步骤

1克隆仓库

从 GitHub 拉取 EasyEdit 源码到本地，确保网络可访问 GitHub。
```
git clone https://github.com/zjunlp/EasyEdit.git
```
2进入项目目录

切换到刚克隆下来的 EasyEdit 目录，后续命令都在此执行。
```
cd EasyEdit
```
3创建 conda 环境

README 明确要求 Python 3.9+，示例命令使用 3.10，环境名为 EasyEdit。
```
conda create -n EasyEdit python=3.10
```
4激活环境

激活后所有依赖都会装进该隔离环境，避免污染系统 Python。
```
conda activate EasyEdit
```
5安装依赖

使用 pip 按 requirements.txt 安装全部依赖，耗时较长请耐心等待。
```
pip install -r requirements.txt
```
6改用 uv 安装(可选)

若追求更快的依赖解析，可先装 uv 再安装；CPU 环境把 cu128 换成 cpu。
```
pip install uv
uv pip install --torch-backend cu128 -r requirements.txt
```
7校验环境

用 uv pip check 检查依赖是否完整、版本是否冲突。
```
uv pip check
```

如何确认成功

执行 uv pip check，未报依赖缺失或版本冲突即为安装成功；随后可按 examples 中的脚本（如 KnowEdit.md）跑通一次编辑流程。

常见问题

Q：必须用哪个 Python 版本？

A：README 要求 Python 3.9+，官方命令示例统一使用 3.10，建议直接按示例创建 3.10 环境以避免兼容问题。

Q：uv 安装和 pip 安装有什么区别？

A：两者安装的依赖一致，uv 只是解析与下载更快。README 给出 uv 命令并附加 --torch-backend 参数指定 PyTorch 后端。

Q：只有 CPU 的机器能装吗？

A：可以安装，把 uv 命令中的 cu128 换成 cpu：uv pip install --torch-backend cpu -r requirements.txt，但实际编辑实验通常仍需 GPU。

Q：跑一次编辑需要多少显存？

A：README 按方法给出参考：ROME 约 27~31GB、MEMIT 约 31~33GB、MEND 约 37~46GB，FT 最高约 55~60GB（以 llama-2-7B 等模型为例）。

Q：装完怎么开始用？

A：README 指向 examples 目录，其中 KnowEdit.md 提供了可直接参考的详细使用脚本。

注意事项

README 强调请使用 Python 3.9+，低于该版本可能安装失败。
显存占用数据基于默认配置，不同模型与方法差异较大，请提前确认硬件条件。
项目主体为 Jupyter Notebook 与示例脚本，建议在 examples 目录下按官方文档逐步尝试。

核心亮点

集成多种主流知识编辑算法（ROME、MEND、KN 等），开箱即用对比实验
提供统一简洁的 API 和 CLI，支持单条/批量知识编辑，上手快
由 ACL 2024 论文背书，代码质量高，附详细文档和示例

不足之处

主要面向研究场景，生产环境下的稳定性与性能调优需自行探索
对超大规模模型（如千亿参数）的编辑效率与内存占用仍待优化

适用场景

快速修正 LLM 中的过时或错误事实，如新闻事件、产品信息
为特定领域定制模型知识，如医疗、法律等垂直场景
研究知识编辑算法的效果对比与模型可解释性分析

替代项目

KnowledgeEditor、MEND、ROME

项目介绍

EasyEdit 是模型训练领域的开源项目，由 zjunlp 开发，2023 年首次发布。

在全站 13,109 个收录项目中，它的 GitHub 星标数（2,926）位列前 30%，在模型训练分类的 523 个项目里位列前 15%。

近 42 天，它的 GitHub 星标从 2,897 增加到 2,926，净增 29。

项目仍在小幅维护中，最近一次代码更新于 2026-09-23。MIT许可证，完全免费，需自行部署使用。

它主要面向的使用场景是：快速修正LLM中的过时或错误事实，如新闻事件、产品信息。同类可对比的替代方案包括 KnowledgeEditor、MEND、ROME。

上一篇：zeta

下一篇：MedicalGPT