대규모 언어 모델(LLM)의 사실적 지식을 업데이트하는 효율적인 방법으로 지식 편집이 부상했지만, 기존 방법은 다층 퍼셉트론(MLP) 모듈에 집중하여 주의(Attn) 모듈과 같은 다른 구성 요소를 종종 간과했습니다. 본 논문은 Attn 모듈이 사실적 지식 저장 및 검색에 중요한 역할을 한다는 것을 발견하고, 연관 메모리 패러다임을 확장하여 MLP와 Attn 모듈을 함께 업데이트하는 IntAttn-Edit를 제안합니다. 이 방법은 각 모듈의 지식 저장 기여도에 비례하여 업데이트 규모를 할당하는 지식 균형 전략을 사용하며, 실험 결과 기존 방법보다 편집 성공률, 일반화 성능, 지식 보존 측면에서 우수한 결과를 보였습니다.
