CRANE：推理 MLLM 的知识编辑

推理多模态 大语言模型 (MLLM) 的出现，在生成答案之前生成显式的思想链 (CoT) 推理，为知识编辑带来了新的挑战：在传统指标下看似成功的方法（教师强制准确率高达 100%）在检查模型的推理过程时可能会严重失败（证据一致性成功率低至 0%）。我们确定了三种失效模式：（1）结构崩溃，权重修改方法破坏了 CoT 格式； (2) 认知失调，模型的推理链根据视觉证据主动拒绝注入的编辑事实； (3) 浅层内部化，其中方法在精确查询上成功，但在改写或多跳变体上失败。在推理 MLLM 上，这些模式相互作用：泛化的方法（FT、LoRA）触发格式崩溃，而没有深度修改的方法则无法泛化。为了揭露这些失败，我们提出了一种 CoT 感知评估协议并构建 ReasonEdit-Bench，其中包含冲突分层、多级探测和多跳可移植性测试。我们提出了 CRANE，一种检索增强框架，不需要每次编辑参数修改。 CRANE 将模态感知双库检索系统与两阶段训练策略相结合：监督 微调 (SFT) 进行结构初始化，然后是带有认知路由奖励的 GRPO，训练模型在视觉先验和注入的编辑事实之间进行仲裁。在 ReasonEdit-Bench 上，CRANE 在冲突场景中实现了 96.9% 的证据一致性成功率，在多跳链中实现了 96.9% 的中间实体使用率，以及 97.6% 的文本局部性和 68.1% 的图像局部性编辑独立性。在分布外 MMEVOKE 基准上，CRANE 在标准证据检索下达到 87.0%。