研究人员提出了 ScopeEdit，一种感知范围的在线编辑器，通过控制每次更新的传播边界而非仅仅纠正实例来重构多模态大语言模型 (MLLM) 的编辑。该方法将更新分解为模态局部吸收分支和证据门控共享泛化分支，以管理跨模态迁移。
- ScopeEdit 使用正交低秩空间实现范围分离的写入几何结构，并使用 Sherman--Morrison 递归进行预条件处理，从而产生恒定的每次编辑开销。
- 共享分支仅在视觉和文本证据充分对齐时才允许跨模态传播。
- 在多样本基准测试和长周期编辑流上的实验表明，在保持可靠性和稳定性的同时，改善了范围内迁移与范围外局部性之间的权衡。
该方法通过防止向不相关输入泄漏并确保编辑不会超出其预期的语义边界泛化，解决了现有编辑器中的范围差距问题。