연구진은 LLM의 지식 업데이트 문제를 해결하기 위해 DYNA라는 새로운 프레임워크를 제안했어요. DYNA는 기존 LLM을 수정하지 않고 시간 기반 지식 그래프를 활용해 새로운 지식을 추가하고, 기존 지식을 잊어버리는 현상을 줄여요.
DYNA는 이벤트 노드와 시간 관계를 담은 그래프를 통해 LLM의 답변을 보강하며, 쿼리 시 관련 노드를 검색하여 활용해요. 3가지 시간 기억 테스트에서 기존 파인튜닝보다 재앙적 망각을 약 7% 줄이고, 시간 순서 기억을 5% 향상시켰어요.
그래프 클러스터링 계수가 높을수록 검색 성능이 향상되는 점을 확인했으며, 이는 그래프 구조의 중요성을 시사해요. DYNA는 LLM을 재학습하지 않고도 시간 기반 지식을 통합하는 효과적인 방법임을 입증했어요.