최근 연구는 Transformer가 지식을 어떻게 저장하고 처리하는지, 그리고 이 지식을 어떻게 편집할 수 있는지에 점점 더 집중하고 있습니다. 이 분야의 연구 작업은 종종 두 단계로 수행됩니다. 먼저, 개별 샘플에 대해 현상을 탐색합니다. 그 다음, 결과가 유망해 보이면 통계적으로 더 견고한 실험이 뒤따릅니다. 첫 번째 단계를 지원하기 위해, 우리는 Transformer의 지식 국소화 (Knowledge Localization) 및 편집을 위한 GUI 기반 탐색 도구인 KnowledgeDebugger를 제안합니다. LM-Debugger에서 영감을 얻은 우리의 도구는 최첨단 지식 편집 (Knowledge Editing) 방식들이 포함된 널리 사용되는 라이브러리인 EasyEdit의 방법론들에 대해 노코드 (no-code) 접근을 제공합니다. 우리는 이 분야의 최근 발견들에 대한 사례 연구를 통해 도구의 효과를 입증합니다.