一個小解碼器讓所有模型當上領域專家！華人團隊新研究正在引起熱議。

他們提出了一種比目前業界主流采用的DAPT（領域自適應預訓練）和RAG（檢索增強生成）更方便、且成本更低的方法。

• 相比DAPT，不需要昂貴的全參數訓練；
• 相比RAG，不依賴昂貴的檢索。

而且實驗結果顯示，其方法能夠顯著提升Qwen和Llama等模型在三個專門領域（生物醫學、金融、法律）的效果，并使困惑度平均降低6.17分（相當于預測下一個詞的正確率提升了約20%~25%）。

好好好，不賣關子了，原來這是來自上海交大、上海AI Lab等機構的研究人員提出的一個名為“Memory Decoder”的預訓練記憶模塊——

通過使用一個小型的前置解碼器（former decoder），能夠學習模仿外部非參數檢索器的行為。

翻譯成大白話就是，Memory Decoder就像給大模型加了一個“領域知識插件”，既高效又靈活，為大模型適應特定領域提供了一種新方法。

劃重點，即插即用、無需改變原始模型參數、可以和任何共享相同分詞器的大語言模型集成。

對于這一新研究，有網友激動表示，這改變了游戲規則。

下面詳細來看論文內容。

一種即插即用的預訓練記憶模塊

隨著大模型在通用任務中適應良好，業界目前均在嘗試用不同方法讓其更適配特定領域。

論文也是瞄準了這一目標，并提出了一種即插即用的預訓練記憶模塊——Memory Decoder。

和DAPT、RAG等主流方式相比，其優勢相對明顯：

（1）DAPT（領域自適應預訓練）需要對模型全參數進行訓練（即把模型整個重新訓練一遍），成本高昂，且容易出現“災難性遺忘”（即忘記之前學到的通用知識）。

（2）RAG（檢索增強生成）則因需要進行耗時的近鄰搜索，且處理更長的上下文，通常會導致推理速度變慢（延遲增加）。

而Memory Decoder本質上是一個小型Transformer解碼器（作為“記憶模塊”），其核心思路為：

• 在預訓練階段，讓它學習模仿一個外部檢索器的行為，把特定領域的知識壓縮到自己的參數里；
• 在推理階段，把它和大模型一起使用，通過結果融合提升預測質量。

舉個例子，當用戶問“大眾汽車的CEO是誰？”時，大模型通常可能基于通用語料，給出一個模糊的分布（如“馬斯克30%，布魯默40%，庫克20%”），但未必足夠準確。

有了Memory Decoder后，由于已經在預訓練中學會了模仿檢索器的行為，會更傾向輸出“布魯默”的分布（如“布魯默80%，馬斯克10%，庫克5%”）。

最終，模型會將二者的結果進行插值融合，從而得到更可靠的答案。

這樣一來，Memory Decoder就像給大模型配了一個“領域小助手”，既能避免重新訓練的高成本，也能免去實時搜索資料庫帶來的延遲問題，真正實現了低成本、高效率、即插即用的領域增強。

多種Qwen/Llama模型更懂醫學、法律和金融了

為了驗證Memory Decoder的有效性，團隊選用了多種Qwen（從0.5B到72B參數）和Llama系列（從1B到70B參數）的預訓練語言模型，來測試其在生物醫學、金融、法律這三個專業領域的效果。

之所以選這三個，主要是因為它們對模型的專業知識儲備要求高，而且傳統適配方法經常“鎩羽而歸”。

具體衡量指標則為Perplexity（困惑度）——數值越低表示模型對該領域文本的理解和預測越準確。

最終實驗結果如下：

可以看到， 不管原模型參數量多大，Memory Decoder均能起到領域增強作用，而且比傳統LoRA方法更有效。

更關鍵的是，在Qwen2.5上訓練的Memory Decoder，只需極少的額外訓練（僅為原始訓練成本的10%），就能適配Llama系列模型——

不僅顯著降低了所有Llama變體模型的困惑度，而且在生物醫學和金融領域的表現持續優于LoRA方法。

整體而言，在生物醫學、金融、法律三個領域中，使用Memory Decoder的多種Qwen和Llama模型，平均降低了6.17分困惑度，初步驗證了Memory Decoder的有效性。

不過作者們也在論文最后提到了其局限性：

• 訓練階段存在計算開銷

訓練Memory Decoder的時候，得從一個大數據庫里搜很多相關信息來當“學習材料”，這個搜索過程會消耗不少計算資源。雖然每個領域只需要這么干一次，之后能給各種模型用，但訓練階段這一步依舊無法免去。

• 跨分詞器適配仍需部分參數更新

要想把在A模型（如Qwen2.5）上訓練好的Memory Decoder用到B模型（如Llama）上，仍需要對嵌入空間進行一些參數更新以實現對齊。

雖然跨分詞器適配相比從頭訓練需要的訓練量極少，但無法實現真正意義上的零樣本跨架構遷移。

但是有一說一，Memory Decoder最大的意義或許在于，它提出了一種新的范式——

基于特別預訓練的記憶組件來進行領域自適應。

這一記憶架構可以即插即用地集成到目標領域的多種模型中，并持續提升性能。

論文：https://www.arxiv.org/abs/2508.09874