knowledge-memory

该论文提出一个模型无关的框架，让冻结的LLM和VLM在部署后通过技能、知识记忆和多模态知识库三种外部经验形式持续学习，在六项医学基准上最高提升34.2%的性能，且可跨模型迁移。

论文提出 Org-Agent，这是一个统一的以约束为中心的推理框架，能够使 LLM 智能体协调来自多个用户的请求，并利用分布在交互过程中的知识，通过依赖图和拓扑调度对任务进行分解。在 MUSES-Bench 和 GroupMemBench 上的实验表明，该框架在跨用户决策和记忆能力方面均有所提升。

LoKiFormer proposes a new LLM architecture with Local Fusion Attention and a Knowledge Memory Module to improve pretraining efficiency, achieving 1.33x faster convergence than baselines.