本文研究了大型语言模型（LMs）在知识获取和生成中的表现，发现检索增强的LMs显著提升性能。通过实验探讨了模型的流畅度、属性和记忆能力，并提出了优化策略。研究强调了上下文组织的重要性，揭示了模型内部知识与外部信息之间的紧张关系，对未来LMs的开发具有重要意义。