并從根本上從頭界說了怎么為特定范疇定制言語模型。以獲取 kNN 散布作為練習(xí)信號(hào)，Memory Decoder 與 LLM 之間的進(jìn)程通訊開支可經(jīng)過延伸推理時(shí)刻來分?jǐn)?，然后消除數(shù)據(jù)存儲(chǔ)保護(hù)和 kNN 查找?guī)淼暮怂汩_支。雖然該本錢僅在每個(gè)范疇中發(fā)生一次 ，Memory Decoder 在一切評(píng)價(jià)使命中 ，在零樣本評(píng)價(jià)環(huán)境中
 ，

但是，這種核算優(yōu)勢結(jié)合 Memory Decoder 的“模型無關(guān)”規(guī)劃 ，證明 Memory Decoder 在堅(jiān)持推理才能的一起也可以增強(qiáng)現(xiàn)實(shí)回想功用——這是傳統(tǒng)檢索辦法的要害限制；

針對(duì)特定范疇的下流使命，高效且易于拜訪的結(jié)構(gòu)