MeMo框架将记忆与推理分离,无需重训即可为LLM注入新知识,性能提升26%

多所大学研究人员提出MeMo(Memory as a Model)框架,通过将新知识编码到独立的小型记忆模型中,实现LLM无需重训即可更新知识库,性能提升26%。该模块化设计同时兼容开源和闭源模型,避免了RAG的噪声敏感问题和微调的灾难性遗忘风险,为企业AI提供经济高效的持续知识更新方案。

多所大学研究人员提出MeMo(Memory as a Model)框架,通过将新知识编码到独立的小型记忆模型中,实现LLM无需重训即可更新知识库,性能提升26%。该模块化设计同时兼容开源和闭源模型,避免了RAG的噪声敏感问题和微调的灾难性遗忘风险,为企业AI提供经济高效的持续知识更新方案。