CRANE：面向推理多模态大语言模型的知识编辑

针对推理多模态大语言模型（MLLM），传统知识编辑方法虽在准确率指标上表现良好，却常导致思维链（CoT）崩溃或逻辑矛盾。本文识别了结构坍塌、认知失调及浅层内化三种失败模式，并提出 ReasonEdit-Bench 评估基准。为此，作者提出 CRANE 框架，无需修改参数，结合模态感知检索系统与两阶段训练策略（SFT 初始化加 GRPO 认知路由奖励），有效协调视觉先验与编辑事实。实验表明，CRANE 在冲突场景及多跳推理中显著提升了 grounded success 率。