发生了什么
DAIR.AI 发表 MeMo: Memory as a Model(2605.15156)
为什么值得关注
这篇论文的新增点在于把“记忆”从上下文拼接或 RAG 升级为可插拔的独立模块，并明确给出无需权重访问、可接入闭源模型、且推理检索成本与语料规模无关的设计。
信息来源
以下内容来自公开来源，可打开原文继续核验。
01
MeMo: Memory as a Model
DAIR.AI 转发并介绍了论文《MeMo: Memory as a Model》（arXiv:2605.15156，2026年5月14日提交）。论文提出用一个独立训练的 memory model 为任意 LLM 增强记忆能力，在保持 LLM 参数不变的情况下存储、检索并融合新事实。作者称该方法可避免 catastrophic forgetting，且不同于 RAG，支持跨文档关系建模、对检索噪声更鲁棒、无需访问模型权重或 logits，可直接接入 open-source 与 closed-source LLM；实验覆盖 BrowseComp-Plus、NarrativeQA、MuSiQue 三个基准。
打开原始来源 ↗