लेखकों ने MILES (Modular Instruction Memory with LEarnable Selection) का प्रस्ताव किया है, जो एक फ्रेमवर्क है जिसे क्रमागत रूप से आने वाली समस्याओं के across पुन: उपयोग योग्य अनुभव को गतिशील रूप से जमा करके परीक्षण समय में बड़े भाषा मॉडल के तर्क को सुधारने के लिए डिज़ाइन किया गया है। मौजूदा विधियों के विपरीत जो कठोर टेम्पलेट्स स्टोर करते हैं या हेuristic चयन का उपयोग करते हैं, MILES असममित उप-लक्ष्य एम्बेडिंग और उप-निर्देशों के युग्मों से बनी मॉड्यूलर मेमोरी इकाइयों को बनाए रखता है, प्रत्येक एक सीखने योग्य चयन हेड से जुड़ा होता है।
- फ्रेमवर्क एक मोटे से सूक्ष्म पुनर्प्राप्ति तंत्र का उपयोग करता है जहाँ मोटा स्तर मेमोरी विस्तार को सक्षम बनाता है और आत्मविश्वास वाले नमूनों से पर्यवेक्षण एकत्र करता है।
- सूक्ष्म चरण अनिश्चित नमूनों के लिए उम्मीदवारों को पुनः रैंक करने और तर्क का मार्गदर्शन करने के लिए सीखे गए चयन हेड्स लागू करता है।
- यह दृष्टिकोण सीमित पर्यवेक्षण के साथ यथार्थवादी परीक्षण समय प्रतिबंधों के तहत क्रमिक मेमोरी विस्तार की अनुमति देता है।
विस्तृत प्रयोग दिखाते हैं कि MILES निरंतर पूर्व विधियों के बराबर या बेहतर प्रदर्शन करता है, जबकि श्रेष्ठ सटीकता-दक्षता संतुलन, मजबूती और स्थानांतरणीयता प्राप्त करता है।