多模态知识编辑现身份混淆漏洞

当前MKE的主流方法如SERAC、MEND等主要关注编辑成功率，却很少检验编辑后的副作用。这篇论文揭示的EIC问题意味着，你以为模型记住了"这张图是B而不是A"，实际上它可能把A和B的身份彻底搞混了——这在医疗影像诊断、法律证据分析等高风险场景是致命的。

EC-Bench的提出填补了评估空白，但目前热度极低，说明社区对知识编辑的可靠性问题重视不足。做模型安全、知识更新落地的团队应该优先跟进这个基准，在自家业务上跑一遍看看现有编辑方法是否也存在EIC。