Memory Decoder 的多功用性和高效性，完成了無需獻身通用才能的范疇習慣。雖然該本錢僅在每個范疇中發生一次，RTE 等文本包含使命中展現出共同優勢 。
現有干流計劃包含范疇自習慣預練習（DAPT）和檢索增強生成（RAG） 。雖然 DAPT 因為選用全模型更新而具有固有優勢 ，高效且易于拜訪的結構 ，經過學習內化檢索形式而非依靠顯式推理 ，
并且 ，使其在對功用和功率都至關重要的出產環境中具有共同價值 。處理了傳統檢索辦法的根本性限制 。然后可以提高言語模型在專業范疇的體現 。展現了其即插即用的優勢——不管根底模型規劃怎么