BU 研究发现：检索增强情景记忆可缩小 LLM 对低频句法结构的敏感度差距

波士顿大学研究发现，外挂显式实例存储的 k-NN 语言模型情景记忆，能显著缩小 LLM 在高频与低频词项句法对比测试上的性能差距。依据互补学习系统理论，研究把 k-NN 语言模型当作"海马体情景记忆"，在按频率分层的句法对比测试集上验证。收益在不同句法结构上一致，支持情景记忆可补偿参数表征薄弱的假设，作者将代表该工作出席 COLM 2026。