不调参、不费力！上海交大&上海AI Lab推出“记忆解码器”，任意LLM无缝自适应

背景：大语言模型在专业领域常因缺乏深度知识而表现不佳，现有方法如领域自适应预训练和检索增强生成存在计算效率低或推理延迟高的问题。研究目的：上海交通大学与上海AI Lab团队提出“记忆解码器”，旨在实现无需修改原模型参数、可跨模型适配的高效领域适应解决方案。结论：该模块能显著降低困惑度（平均6.17%），在生物医学、金融和法律领域保持通用能力的同时提升性能，且支持跨模型和词汇迁移，但预训练阶段仍需计算开销且跨架构迁移需部分参数调整。