DeepSeek联合北大发布条件记忆新论文并开源Engram模块

1月13日，DeepSeek发布一篇题为基于可扩展查找的条件记忆：大型语言模型稀疏性的新维度的研究论文。该研究由北京大学与DeepSeek联合完成，作者名单中包括梁文锋。

论文提出了一种名为“条件记忆”的新机制，通过构建可扩展的查找式记忆结构，在保持模型参数量和计算资源不变的前提下，显著增强模型在知识检索、逻辑推理、编程及数学等任务中的表现能力。

与此同时，DeepSeek宣布开源其记忆模块Engram。该模块采用“查—算分离”的创新架构设计，引发业界关注。业内分析认为，Engram或将成为DeepSeek下一代V4模型的核心技术支撑。

有消息称，DeepSeek预计将在2月中旬、农历新年之前发布V4版本，但具体发布时间仍存在调整可能。