اصلاحات ساده از روش حافظه محدود bfgs برای حل مسائل مقیاس بزرگ بهینه سازی نامقید که اخیرا در ادبیات موضوع مطرح شده است ارائه می شود. این اصلاحات شامل تصحیح بردارهای تفاضلی به کار رفته و هم چنین استفاده از اطلاعات تکرارهای قبلی است. در حالتی که تابع هدف درجه دوم باشد, با همگرایی الگوریتم, بردارهای تفاضلی ذخیره شده برای طول گام های واحد, مزدوج هستند. نتایج همگرایی الگوریتم برای توابعی که بع اندازه کافی محدب و هموار هستند ارائه می شود. نتایج همگرایی نشان می دهد که روش جدید از روش l-bfgs کاراتر است.