大模型编程完全可用神经网络结构作为内隐记忆(程序性记忆)，用量化权重作为外显记忆(陈述性记忆)。量化权重改变比较快，记忆比较快，神经网络结构改变比较慢，遗忘比较慢。用量化权重去缓慢改变神经网络结构，实现知识记忆沉淀，越来越聪明。

可能未来得多个功能模型结合，一个大模型量化权重自适应调整，主要负责外显记忆(陈述性记忆)，记得快，遗忘的也快。一个大模型神经网络结构自适应调整，主要负责内隐记忆(程序性记忆)，只要记住了，很难遗忘，越来越聪明。同一种架构的大模型很难同时实现两种不同的记忆功能，但两种不同架构的大模型就可以更好的实现两种不同的记忆功能。