本研究提出了一种基于注意力机制的大规模记忆编辑方法（MEMAT），有效解决了大语言模型中事实知识更新的不足，显著提升了多个性能指标，并展示了良好的可移植性。

记忆编辑（ME）方法在大型语言模型中有效，但存在限制。参数修改型ME在连续编辑后性能降低，参数保持型ME在记忆方面困难。提出缓解ME不利影响的策略，并解释参数修改型ME损害LLMs的原因。建议谨慎使用ME。