将外部知识融合到大型语言模型中，以克服其古老且静态参数化记忆的局限性，增强知识整合能力。研究将知识融合拆解为四个场景，并对每个场景下的LLMs行为进行了系统研究。结果显示，增强LLMs内部的参数化知识可以显著提升知识整合能力。

研究发现，融合外部知识到大型语言模型（LLMs）中可以增强知识整合能力，但过度依赖外部知识低估了LLMs内在参数化知识的贡献。研究结果指导未来对LLMs内外知识协调的探索。