MeMo, 별도 메모리 모델로 LLM 재학습 없이 지식 업데이트… RAG 한계 줄이고 성능 26% 향상

여러 대학 연구진이 제안한 MeMo는 새 지식을 주 LLM에 직접 주입하지 않고 별도의 소형 메모리 모델에 인코딩하는 프레임워크입니다. 이 구조는 open-source와 closed-source 모델 모두에 적용할 수 있으며, RAG 파이프라인의 복잡성과 전체 재학습 비용을 피하면서 실험에서 성능을 26% 높였습니다.

MeMo는 기업 AI에서 반복적으로 발생하는 지식 최신화 문제를 모델 재학습이나 대규모 검색 인프라 없이 해결하려는 접근이라는 점에서 의미가 있습니다. 특히 검색 노이즈에 취약한 RAG의 한계를 보완하고, 지속적 지식 업데이트를 모듈화하는 흐름이 LLM 운영 아키텍처의 주요 방향으로 부상할 가능성이 있습니다.