本文研究数据库查询优化，探讨大语言模型嵌入的查询文本如何提供语义信息。提出一种简单的二元分类器，利用少量标记的嵌入查询向量，超越现有启发式系统，显著提升性能。

本研究探讨了大型语言模型（LLMs）在阈值采样时的文本记忆行为。研究发现，增加阈值大小对记忆现象的减少影响有限，模型可能表现出“软”记忆，即生成的输出与训练数据相似但不完全相同。这揭示了当前解码方法在解决文本记忆问题上的局限性。