超越RAG和DAPT！华人团队新研究引热议：即插即用、无需改变原参即可让模型化身领域专家

一个小解码器让所有模型当上领域专家！华人团队新研究正在引起热议。

他们提出了一种比目前业界主流采用的DAPT（领域自适应预训练）和RAG（检索增强生成）更方便、且成本更低的方法。

• 相比DAPT，不需要昂贵的全参数训练；

• 相比RAG，不依赖昂贵的检索。

而且实验结果显示，其方法能够显著提升Qwen和Llama等模型在三个专门领域（生物医学、金融、法律）的效果，并使困惑度平均降低6.17分（相当于预测下一个词的正确率提升了约20%~25%）。

好好好，不卖关子了，原来这是来自上海交大、上海AI Lab等机构的研究人员提出的一个名为“Memory Decoder”的预训练记忆模块——

通过使用一个小型的前置解码器（former decoder），能够学习模仿外部非参数检索器的行为。

翻译成大白话就是，Memory Decoder就像给大模型加了一个“领域知识插件”，既高效又灵活，为大模型适应特定领域提供了一种新方法。

划重点，即插即用、无需改变原始模型参数、可以和任何共享相同分词器的大语言模型集成。

对于这一新研究，有网友激动表示，这改变了游戏规则。

下面详细来看论文内容。

一种即插即用的预训练记忆模块

随着大模型在通用任务中适应良好，业界目前均在尝试用不同方法让其更适配特定领域。

论文也是瞄准了这一目标，并提出了一种即插即用的预训练记忆模块——Memory Decoder。

和DAPT、RAG等主流方式相比，其优势相对明显：

（1）DAPT（领域自适应预训练）需要对模型全参数进行训练（即把模型整个重新训练一遍），成本高昂，且容易出现“灾难性遗忘”（即忘记之前学到的通用知识）。

（2）RAG（检索增强生成）则因需要进行耗时的近邻搜索，且处理更长的上下文，通常会导致推理速度变慢（延迟增加）。

而Memory Decoder本质上是一个小型Transformer解码器（作为“记忆模块”），其核心思路为：

• 在预训练阶段，让它学习模仿一个外部检索器的行为，把特定领域的知识压缩到自己的参数里；

• 在推理阶段，把它和大模型一起使用，通过结果融合提升预测质量。

举个例子，当用户问“大众汽车的CEO是谁？”时，大模型通常可能基于通用语料，给出一个模糊的分布（如“马斯克30%，布鲁默40%，库克20%”），但未必足够准确。

有了Memory Decoder后，由于已经在预训练中学会了模仿检索器的行为，会更倾向输出“布鲁默”的分布（如“布鲁默80%，马斯克10%，库克5%”）。

最终，模型会将二者的结果进行插值融合，从而得到更可靠的答案。

这样一来，Memory Decoder就像给大模型配了一个“领域小助手”，既能避免重新训练的高成本，也能免去实时搜索资料库带来的延迟问题，真正实现了低成本、高效率、即插即用的领域增强。

多种Qwen/Llama模型更懂医学、法律和金融了

为了验证Memory Decoder的有效性，团队选用了多种Qwen（从0.5B到72B参数）和Llama系列（从1B到70B参数）的预训练语言模型，来测试其在生物医学、金融、法律这三个专业领域的效果。

之所以选这三个，主要是因为它们对模型的专业知识储备要求高，而且传统适配方法经常“铩羽而归”。

具体衡量指标则为Perplexity（困惑度）——数值越低表示模型对该领域文本的理解和预测越准确。

最终实验结果如下：

可以看到， 不管原模型参数量多大，Memory Decoder均能起到领域增强作用，而且比传统LoRA方法更有效。

更关键的是，在Qwen2.5上训练的Memory Decoder，只需极少的额外训练（仅为原始训练成本的10%），就能适配Llama系列模型——

不仅显著降低了所有Llama变体模型的困惑度，而且在生物医学和金融领域的表现持续优于LoRA方法。

整体而言，在生物医学、金融、法律三个领域中，使用Memory Decoder的多种Qwen和Llama模型，平均降低了6.17分困惑度，初步验证了Memory Decoder的有效性。

不过作者们也在论文最后提到了其局限性：

• 训练阶段存在计算开销

训练Memory Decoder的时候，得从一个大数据库里搜很多相关信息来当“学习材料”，这个搜索过程会消耗不少计算资源。虽然每个领域只需要这么干一次，之后能给各种模型用，但训练阶段这一步依旧无法免去。

• 跨分词器适配仍需部分参数更新

要想把在A模型（如Qwen2.5）上训练好的Memory Decoder用到B模型（如Llama）上，仍需要对嵌入空间进行一些参数更新以实现对齐。

虽然跨分词器适配相比从头训练需要的训练量极少，但无法实现真正意义上的零样本跨架构迁移。

但是有一说一，Memory Decoder最大的意义或许在于，它提出了一种新的范式——

基于特别预训练的记忆组件来进行领域自适应。

这一记忆架构可以即插即用地集成到目标领域的多种模型中，并持续提升性能。

论文：

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

文章来自于微信公众号“量子位”，作者是“一水”。