DeepSeek发布“条件记忆”论文并开源Engram模块

1月12日晚，DeepSeek与北京大学合作发布新论文《Conditional Memory via Scalable Lookup》，合著作者包括梁文锋。研究提出“条件记忆”机制，引入可扩展的查找式记忆结构，声称在参数量与算力条件相当时，可显著提升模型在知识调用、推理、代码及数学任务中的表现。DeepSeek同步开源相关记忆模块Engram，或推动大模型稀疏记忆方案的工程落地与社区复现。

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。