Naukowcy zaproponowali MEMO, modularny framework pozwalający trenować dedykowany model pamięci dla dużych modeli językowych, bez konieczności modyfikacji ich parametrów. Rozwiązanie to umożliwia szybkie dodawanie nowej wiedzy do LLM-ów poprzez oddzielny moduł, co redukuje koszty obliczeniowe i zachowuje integralność oryginalnego modelu. Technologia ma potencjał znacznie uprościć proces aktualizacji wiedzy w dużych modelach AI bez konieczności ponownego trenowania.