记忆增强模型（Memory-Augmented Model，简称 M+）是由加州大学圣地亚哥分校联合多个研究团队于 2025 年 5 月 30 日提出的一种基于 MemoryLLM 的记忆增强模型，能显著提升长期信息的保留能力，相关论文成果为「M+: Extending MemoryLLM with Scalable Long-Term Memory」。

M + 整合了长期记忆机制与协同训练的检索器，可在文本生成过程中动态检索相关信息。研究团队在多种基准测试上对 M + 进行了评估，实验结果表明 M + 的性能显著优于 MemoryLLM 和近期的强基线模型，在 GPU 内存开销相近的情况下，将知识保留能力从不足 2 万 token 扩展到了 16 万 token 以上。