MIT CSAIL, Singapur Ulusal Üniversitesi ve A*STAR ile iş birliği içinde, büyük dil modeli (LLM) performansını %26,73'e kadar artıran MeMo çerçevesini tanıttı. 20 Mayıs 2026'da yayımlanan bir makalede detaylandırılan MeMo, yani Model Olarak Bellek, LLM'lerin yeniden eğitilmeden yeni bilgileri entegre etmesine olanak tanıyor. Bunun yerine, bilgiyi depolamak ve hatırlamak için daha küçük, özel bir Bellek modeli eğitiliyor ve böylece ana LLM değişmeden kalıyor. MeMo çerçevesi, Yürütücü LLM'nin Bellek modeline yapılandırılmış bir protokol aracılığıyla sorgulama yapmasını sağlayan beş aşamalı bir yansıtma SSS sentez hattı kullanıyor. Bu yaklaşım, felaket unutmayı önlüyor ve ana modelin maliyetli yeniden eğitim ihtiyacını ortadan kaldırıyor. BrowseComp-Plus ve NarrativeQA gibi veri setlerinde yapılan kıyaslamalar, Bellek modelinin çeşitli LLM'ler arasında evrensel bir adaptör olarak işlev görmesiyle önemli performans artışları gösterdi. Bu yenilik, özellikle güncel bilgi gerektiren DeFi analiz ajanları için kripto altyapısında yapay zeka uygulamaları için potansiyel taşıyor. Yeniden eğitim ihtiyacını azaltarak, MeMo yapay zeka destekli kripto uygulamalarının operasyonel maliyetlerini düşürebilir, ancak dinamik ortamlardaki gerçek dünya etkinliği henüz tam olarak test edilmemiştir.