뉴스 - 원문 기반 요약 필요

---

title: "MEMO, LLM 지식 업데이트 새 프레임워크" description: "뉴스 - 원문 기반 요약 필요" date: 2026-05-28 tags: [ai-news] source: "https://www.marktechpost.com/2026/05/26/memo-a-modular-framework-for-training-a-dedicated-memory-model-on-new-knowledge-without-modifying-llm-parameters/" sidebar: order: 0

제목(한글): MEMO, LLM 지식 업데이트 새 프레임워크 원문 제목(영문): MEMO: A Modular Framework for Training a Dedicated Memory Model on New Knowledge Without Modifying LLM Parameters 원문: MEMO: A Modular Framework for Training a Dedicated Memory Model on New Knowledge Without Modifying LLM Parameters 소스: marktechpost MD 파일: content/2026-05-28/marktechpost-memo-a-modular-framework-for-training-a-dedicated-.md

핵심 내용

LLM 가중치를 건드리지 않고 새 지식을 붙이는 MEMO 프레임워크가 나왔어요.

NUS·MIT CSAIL·A*STAR·SMART 연구진은 메모리를 별도 모델로 분리했어요. MEMORY는 Qwen2.5-14B-Instruct로 학습하고, EXECUTIVE는 Qwen2.5-32B-Instruct나 Gemini-3-Flash를 블랙박스로 호출하거든요.

학습은 Qwen2.5-32B-Instruct 생성기를 쓰는 5단계 데이터 합성 파이프라인으로 진행돼요. 문서 코퍼스를 반영형 QA 데이터셋으로 바꿔, 검색 노이즈·망각·표현 결합 문제를 줄이려는 접근이에요.

핵심은 지식 저장과 추론을 분리해, 폐쇄형 모델까지 포함한 업데이트 유연성을 크게 높였다는 점이에요.

잡돌쌤의 한마디

전체 재학습 없이 새 지식을 반영해 비용을 줄여요. RAG 노이즈, 파인튜닝 망각, 표현 결합 한계를 함께 겨냥했어요.

---

출처: MEMO: A Modular Framework for Training a Dedicated Memory Model on New Knowledge Without Modifying LLM Parameters