LLM은 의료 분야에 유망하지만, 빠른 의학 지식의 변화와 훈련 데이터의 오류로 인해 시대에 뒤떨어지거나 부정확한 정보를 생성하는 경우가 있어 임상 실습 적용에 한계가 있다. 모델 편집은 전체 재훈련 없이 이러한 문제를 해결할 수 있는 잠재력을 가지고 있으며, 특히 검색 기반 편집이 의료 분야에 적합하다. 하지만, (1) 의학 지식 공간 내의 표현 중첩으로 인해 부정확한 검색이 발생하고 편집 정확도가 감소하며, (2) 기존 방법들은 단일 샘플 편집에만 제한되어 있고, 실제 의료 분야 적용에 중요한 배치 편집은 제대로 탐구되지 않았다는 두 가지 주요 문제에 직면한다. 이러한 문제를 해결하기 위해, 본 논문은 엄격한 지역성 제약 하에서 단일 및 배치 편집을 모두 평가할 수 있도록 설계된, 의학 주제를 더 광범위하게 다루는 향상된 벤치마크인 MedVersa를 구축한다. 또한, 정확한 매칭을 위한 공유 쿼리-키 모듈과 정보 제공을 위한 주의 기반 프롬프트 인코더를 통합한 검색 기반 편집 프레임워크인 MedREK를 제안한다. 다양한 의학 벤치마크에 대한 실험 결과, MedREK가 여러 핵심 지표에서 우수한 성능을 달성했으며, 의료 LLM의 배치 편집에 대한 최초의 검증된 솔루션을 제공한다.
