본 논문은 대규모 언어 모델(LLMs)의 지식 주입에 대한 효과적인 접근 방식을 제시한다. LLM은 정적이기 때문에 실세계의 변화나 특정 영역 지식에 적응하는 데 어려움이 있다는 점을 지적하며, 단순한 지식 암기 및 검색에 초점을 맞춘 기존 연구의 한계를 극복하기 위해 4단계 지식 주입 프레임워크(암기, 검색, 추론, 연관)를 제안한다. 이 프레임워크를 기반으로, 세 가지 지식 유형(새로운, 증분적, 업데이트된)에 대한 지식 주입 심도를 정밀하게 평가하기 위한 합성 실험 환경인 DeepKnowledge를 소개한다. 다양한 지식 주입 시나리오를 탐색하고 벤치마크 상에서 각 시나리오의 지식 주입 심도를 평가하여, 각 단계에 도달하기 위한 주요 요소와 적절한 주입 방법 간의 매핑을 확립함으로써 다양한 수준에 걸쳐 효율적인 지식 주입을 위한 포괄적인 접근 방식을 제공하고자 한다.
