内存注入：纠正变压器式语言模型推理中的多跳推理错误

该文介绍了一种通过内存注入来解决多跳推理失败的方法，提高了多跳提示完成的质量。研究表明，注入关键注意力层的记忆可以显著提高下一个标记的概率，最高可达424%。