Engram Adapter

新的 Engram Adapter 提高了 LLM 的域专业化能力，同时保留了通用能力

研究人员开发了一个名为 Engram Adapter 的新框架，旨在提高大型语言模型 (LLM) 在专业领域的性能，而不会损害其通用能力。该方法利用预训练时的条件记忆作为冻结 LLM 的事后适配器，采用多通道匹配和占用跟踪系统来选择性地将学习到的扰动应用于域内输入。在 Qwen3 模型上的评估表明，Engram Adapter 显著提高了域内准确性，同时几乎保留了所有域外性能，甚至在其他方法出现性能下降的法律推理任务上，其表现优于基础模型。