本文探讨了在大型语言模型中注入新事实的技术，提出了基准测试MQuAKE和基于记忆的MeLLo方法，以提升多跳问题回答的准确性。研究还引入了图引导推理、知识编辑框架PokeMQA和TEMPLE-MQA，显著改善了模型在多跳问答中的表现，并解决了知识不准确和过时的问题。