Pesquisadores do MIT criam framework que otimiza LLMs sem retreinamento

Pesquisadores do MIT desenvolveram o MeMo, um framework modular projetado para superar as limitações dos sistemas de Retrieval-Augmented Generation (RAG) convencionais. Ao isolar o armazenamento de novos conhecimentos em um modelo de memória dedicado, a tecnologia permite que empresas atualizem ou substituam seus modelos de linguagem sem a necessidade de um retreinamento completo e custoso. Essa flexibilidade garante que o sistema mantenha a integridade das informações mesmo quando o motor de raciocínio é trocado por versões mais avançadas.

A inovação é relevante por oferecer uma solução escalável para a integração de dados em ambientes corporativos, apresentando um aumento de desempenho de até 26% em testes práticos. Embora o MeMo ofereça maior resistência a dados ruidosos, os desenvolvedores apontam que o custo computacional para a criação do conjunto de dados inicial e a dificuldade em rastrear a proveniência das informações permanecem como os principais obstáculos para a adoção em larga escala.