论文研究 arXiv cs.CL Thu, 09 Jul 2026 正文 thin 4 words

TF-Engram：大语言模型的免训练 SSD 记忆印记

英文标题：TF-Engram: A Train-Free Engram with SSD-Backed Memory for Large Language Models

大型语言模型（LLMs）将事实性知识与领域模式隐式存储在稠密的 Transformer 参数中，导致通过预训练、微调、检索增强或更长上下文等方式扩展知识成本高昂。TF-Engram 提出一种免训练（Train-Free）的印记（Engram）方法，利用固态硬盘（SSD）作为外部记忆，无需重新训练即可注入新知识。该工作为开发者提供了低成本、可扩展的模型知识更新方案，对降低大语言模型的实际运维开销具有重要意义。

打开原文相关 3.2 · 机会 0