本文提出了一种新的任务设置，即事件级别知识编辑，通过将新事件直接编辑到大型语言模型中来改进传统的三元组级别编辑。作者构建了一个高质量的事件级别编辑基准ELKEN，并对各种知识编辑方法和大型语言模型在该基准上的性能进行了评估。研究结果表明，ELKEN对现有知识编辑方法提出了显著挑战。代码和数据集已公开发布。

我们提出了一种新的知识编辑方法DeepEdit，通过深度优先搜索提高编辑效果，适用于所有黑盒语言模型，无需访问模型参数，定性和定量上都取得显著性能提升。

大型语言模型在理解和生成文本方面表现出非凡能力，需要经常更新模型以保持相关性。本文回顾了最前沿的即时修改模型方法，并将知识编辑方法分为三类。引入了一个新的基准KnowEdit，对知识编辑方法进行评估。分析了知识定位，了解模型的知识结构。讨论了知识编辑的潜在应用和意义。