大模型不止有RAG、参数存储，还有第3种记忆！

文章预览

来源：机器之心 2.4B 的  Memory 3 比更大的 LLM 和 RAG 模型获得了更好的性能。 近年来，大型语言模型 (LLM) 因其非凡的性能而获得了前所未有的关注。然而， LLM 的训练和推理成本高昂，人们一直在尝试通过各种优化方法来降低成本。 本文来自上海算法创新研究院、北京大学等机构的研究者受人类大脑记忆层次结构的启发，他们通过为 LLM 配备显式记忆（一种比模型参数和 RAG 更便宜的记忆格式）来降低这一成本。从概念上讲，由于其大部分知识都外化为显式记忆，因而 LLM 可以享受更少的参数大小、训练成本和推理成本。 论文地址：https://arxiv.org/pdf/2407.01178 论文标题： Memory 3  : Language Modeling with Explicit Memory 作为初步的概念证明，研究者从零开始训练了一个 2.4B 的 LLM，它比更大的 LLM 和 RAG 模型获得了更好的性能，并实现了比 RAG 更高的解码速度。这 ………………………………