Back to Feed
总结
DeepSeek于12日晚发布新论文《Conditional Memory via Scalable Lookup: A New Axis of Sparsity for Large Language Models》，由北京大学与DeepSeek共同完成，合著者署名中出现梁文锋。论文提出“条件记忆”思路：引入可扩展查找的记忆结构，作为大模型稀疏性的新维度，在参数规模与算力条件相当时，提升知识调用、推理、代码与数学等任务表现。同日，DeepSeek在GitHub开源相关记忆模块Engram，供社区复现与进一步开发。
正文
DeepSeek发布梁文锋署名新论文，开源相关记忆模块Engram DeepSeek于12日晚发布新论文《Conditional Memory via Scalable Lookup: A New Axis of Sparsity for Large Language Models》（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）。该论文为北京大学与DeepSeek共同完成，合著作者署名中出现梁文锋。论文提出条件记忆（conditional memory），通过引入可扩展的查找记忆结构，在等参数、等算力条件下显著提升模型在知识调用、推理、代码、数学等任务上的表现。同时，DeepSeek开源相关记忆模块Engram。 财联社 ｜ Github 🍀 在花频道 🍵 茶馆聊天 📮 投稿
发布时间：