InternLM 發布模組化記憶體解碼器 Intern-MemDec-4B，搭配 397B 主幹模型使生物任務均分提升 3.4 分

InternLM 於 Hugging Face 上架記憶體解碼器模型 Intern-MemDec-4B，這是一個專為擴展 Intern-S2 主幹模型領域知識而設計的輔助組件，並非獨立語言模型。 推論時，Intern-MemDec-4B 與 Intern-S2 主幹模型會平行處理相同的上下文，並透過輕量級的 token 級別路由器動態決定雙方對下一個 token 預測的貢獻比例。該機制將領域檢索資料壓縮成可重複使用的參數模組，推論時無需存取原始資料庫。此版本專注於生物學領域（涵蓋 DNA、RNA、蛋白質及生物分子交互作用），能在不更新主幹模型參數的情況下注入專業知識，避免干擾原有的通用推理、多模態與代理能力。 官方測試顯示，將 Intern-MemDec-4B 搭配具備 3970 億參數的 Intern-S2-Preview-397B 主幹模型部署，在 Biology-Instructions 的 21 項任務中，平均分數由 56.92 提升至 60.32（+3.40 分），同時維持了跨領域的通用效能。