Memory Decoder 創始了范疇自習慣的新范式，

為此 ，且可分攤至一切習慣模型，kNN 散布經過捕捉范疇內合理連續的多樣性 ，一起堅持了推理才能 ，

當時，

這些發現標明 ，但仍需進行部分參數調整以對齊嵌入空間 ，

這一辦法在悉數 9 項使命中均獲得最高均勻分。又兼具參數化辦法的高效性和泛化優勢
。Memory Decoder 仍然堅持著微弱的競爭力，經過預練習回想組件將范疇專業常識與模型架構解耦，完成高效的范疇習慣擴展，且無需額定的檢索開支
。文本包含和文本分類等 9 種不同 NLP 使命上的功用體現

如上表