标签
该论文提出一种通过目标侧reader适配实现跨模型记忆迁移的方法，使用Engram哈希记忆和轻量级reader，在问答任务中实现38.8分，并适用于Agent记忆的更新和审计。局限是仅测试到9B模型，缩放规律未知。
Co-LMLM 引入了用于有限记忆语言模型的连续向量查询，能够从知识库中灵活检索，而不局限于关系型查询。该方法在多个规模上相较于以往的 LMLM 和普通 LLM 实现了更低的困惑度和更高的事实精确度。
介绍SGR，一种逐步推理框架，通过从外部知识库生成查询特定子图来增强LLM推理，提升准确性与事实可靠性。