Prometheus Mind：为冻结语言模型加装记忆

向预训练语言模型添加记忆通常需要架构更改或权重修改。我们提出了 Prometheus Mind，它使用 11 个模块化适配器（530MB，7% 开销）为冻结的 Qwen3-4B 加装记忆——通过移除适配器即可完全逆转。构建该系统需要解决四个问题：(1) 提取——我们开发了对比方向发现（CDD），无需标注数据即可通过最小对发现语义方向。(2) 训练——端到端优化会崩溃；在简单的代理任务上逐阶段训练每个适配器则能成功。(3) 注入——学习到的编码器无法泛化；我们发现 lm_head 权重行已经提供了我们所需的映射，无需训练。(4) 隐藏状态崩溃——transformer 使“wife”和“brother”的相似度达到 0.98+；我们训练投影以恢复区分度（0.98 $\rightarrow$ 0.09）。在 PrometheusExtract-132（132 个案例）上，该系统在干净输入上实现了 94.4% 的检索率（n=54，95% CI: [84.9%, 98.1%]），在带有省略、填充词或隐含主语的非正式输入上降至 19.4%（n=36）。主要瓶颈是关系分类（47.3% 准确率），导致了大多数提取错误。