대규모 언어 모델(LLM)을 재훈련하지 않고도 새로운 정보나 수정 사항에 효율적으로 적응할 수 있도록 하는 지식 편집 방법론에 대한 연구이다. 기존의 단일 언어 또는 기본적인 다국어 편집 방법의 한계를 극복하기 위해, 우세 언어로부터 다른 언어로 지식을 효과적으로 전파하도록 설계된 최첨단(SOTA) 방법인 Cross-Lingual Knowledge Democracy Edit (X-KDE)를 제시한다. X-KDE는 (i) 관련 없는 정보는 유지하면서 범위 내 지식을 수정하기 위해 정제된 병렬 데이터셋으로 모델을 미세 조정하는 Cross-lingual Edition Instruction Tuning (XE-IT)과 (ii) 언어 간 일관성을 보장하고 업데이트 전파를 촉진하기 위해 고급 최적화 기법을 적용하는 Target-language Preference Optimization (TL-PO)의 두 단계로 구성된다. 또한, 언어 간 지식 전달을 향상시키도록 특별히 설계된 고품질의 다국어 데이터셋을 제공한다. Bi-ZsRE 및 MzsRE 벤치마크에 대한 광범위한 실험 결과, X-KDE는 단일 언어 설정에서 높은 정확도를 유지하면서 다국어 성능을 평균 +8.19% 향상시킨다는 것을 보여준다.
