نقدم نظاماً لتدعيم الذاكرة لنماذج اللغة الكبيرة (LLMs) يطبق دورة المعرفة الكاملة: استخراج الحقائق المستمر من الحوار، واسترجاع معتمد على SAE حسب السياق، وتدعيم وزن الفضاء الفرعي بشكل غير متصل، والنسيان المنظم عبر الانخفاض القائم على الوقت في القوة. يستخدم النظام ميزات مشفر SAE النادر (GemmaScope-2) في الطبقة 16 من Gemma-3-4B كمحفزات لاسترجاع الذاكرة، ويقوم بإجراء تحديثات على أوزان إسقاط MLP في الطبقات 25–27 مع عملية أرثوغونالisation لحماية المعرفة المدعمة. تم تقييم الطريقة على 1000 حالة CounterFact، حيث حققت فعالية بنسبة 78.0%، عمومية بنسبة 77.6%، وتخصص بنسبة 100%، مع اضطراب وزني أصغر بـ 29× مقارنة بالتدريب الدقيق التقليدي (ΔW = 0.004 مقابل 0.118). تؤكد التحليلات الميكانيكية أن تقليل الرتبة محلي في الطبقات 25–27، مع نسبة خصوصية تعديل تبلغ 3.4×. كما يعيد النظام إنتاج ديناميات النسيان بأسلوب إبينغهاوس ويظهر الاستمرارية الضمنية للذاكرة المعاملية بعد clearing الفهرس. هذه مسودة أولية (الإصدار 1.0، أبريل 2026). سيتم إصدار التعليمات البرمجية والإصدارات المحدثة في المراجعات المستقبلية.
H Zhang (Sun،) درس هذا السؤال.