henry 发自 凹非寺量子位 | 公众号 QbitAIDeepSeekV4的技术报告里有mHC，有CSA，有HCA，有Muon，有FP4……Engram在今年1月由DeepSeek和北大联合开源，首要探讨大模型的记忆与效率问题。之前的问题在于，Transformer把这两件事混在一起做。模型识别一个实体时，得消耗好该领域逐层拼凑特征。门控机制保证查到的内容跟当前上下文不匹配时自动屏蔽。比如「张」是个常见姓氏，但「张仲景」三个字凑一起就是固定历史人物实体了，门控就负责认出这种区别。以至于V4发表后，大家第一时间就是command+f去论文里找Engram，可惜并没有。Engram是把存储稀疏化，只查一部分条目。两者互补，不冲突。不过，Engram并没有消失。之后三篇值得注意的论文接力出现：CXL内存池化版本：把Engram放进多机共享的CXL内存池，解决大模型多机安排的存储难题。以至于不少网友甚至觉得，没有Engram，V4就是不完整的。没有Engram，可能是DeepSeekV4最大的遗憾。无冲突热层实验：对Engram的多头哈希优化展开了实证检验，证伪了若干直觉式改进方案。所以，虽然V4没有Engram，但它的理念、探索和后续应用已经悄然铺开，为下一代模型打下基础。他们没改Engram本身，而是回答了一个更工程的问题，如果Engram真的成了下一代标配，内存放哪。第一作者ChengXin，北大博士生，曾经署名过V3。最后一位作者，梁文锋。Engram不是新增了一块记忆，该行业加深了。工程上。每个位置的输入会触发一次哈希查找，把当前token和前面几个token组成的N-gram映射到一个巨大的嵌入表里，直接取出对应的向量。Engram把模型的早期层从「重建静态知识」这种苦力活里解放出来，该领域深度被腾出来做更复杂的推理。他设计了Engram-Nine，把记忆分成无冲突的「热层」和保留多头哈希的「冷层」。模型要走6层才能把这个识别完。前几层还在纠结「Wales是英国的一个地区」、「Princess of Wales是某种头衔」这些中间状态，最后一层才反应过来这是戴安娜王妃。答案是CXL内存池化。GPU HBM放计算权重，本地DRAM做二级缓存，CXL池做三级。纯MoE不是最优解。把约莫20%-25%的稀疏参数分给Engram，模型loss达到最低点。发明者把它放在那里没动，但路上还是有人。三个月里，至少出现了三个值得说一下的工作。他想验证一个看上去显然的优化，Engram用多头哈希查表会有冲突，如果把高频N-gram用Minimal Perfect Hash Function完全消除冲突，模型会不会更好。结果反直觉。在严格iso-parameter控制下，无冲突设计没有稳定提高验证loss。整套集成进SGLang，做了预取-计算重叠，跑下来端到端吞吐损失小于5%。可以说，这个模块天生就不靠HBM，只可惜如今V4来了，Engram没来。Engram的定位是MoE之外的另一条稀疏轴。MoE是把计算稀疏化，只激活一部分专家。结论很清楚，Engram这种确定性寻址、可预取的负载，几乎是为CXL量身定做的。具体做法是，在Transformer的第2层和第15层之间各插入一个Engram模块。8台服务器共享4TB内存池，XConn XC50256该范围做拓扑，512GB/s带宽。先来一句话速通版，Engram是给Transformer加的一个原生知识查表模块。论文把一个1000亿参数的Engram表整个甩到host DRAM，在H800上跑推理，8B-Dense的吞吐损失只有2.8%。北大、阿里云、山东英信、人大、该行业论文，《Pooling Engram Conditional Memory in Large Language Models using CXL》。视觉patch经过分层编码，底层抓纹理，中层抓部件，高层抓风格，然后整套丢进哈希查表。LogitLens和CKA给出了答案，Engram-27B第5层的表征，跟MoE基线第12层的表征最相似。Engram论文里那句「1000亿嵌入表卸载DRAM」的轻描淡写，被他们做成了27B和40B两个规模的真实测试。按这个曲线指导，团队把Engram扩到27B验证。激活参数3.8B，训练262B tokens，严格跟MoE-27B基线对齐。结果知识密集型任务的增强符合预期，但通用推理和代码数学的提升超出预期(BBH +5.0，ARC-Challenge +3.7，HumanEval +3.0，MATH +2.4)，长上下文场景更夸张，Multi-Query NIAH从84.2%跃升到97.0%。靠的是Engram索引的确定性，只取决于输入token序列，完全可以提前算，CPU异步预取跟GPU计算重叠。基于Qwen-3完整复现文本Engram之后，他们做了一件论文里没做的事，把Engram搬到Stable Diffusion上。论文里举了个例子，「Diana，Princess of Wales」。一个看上去显然的优化方向，被一个真做实验的人证伪了。把Engram推到视觉GitHub上一个叫AutoArk的团队搞了Tiny Engram。论文最核心的一段实验，是固定总参数和每token激活参数，然后让MoE专家和Engram记忆抢预算，得到一条U形曲线。自挂上arXiv的那一刻起，圈子里围绕它的探讨就没有停止过…不仅仅因为它是V4的前奏，而是有了Engram，「伦敦是英国首都」这种事实，模型该领域去重新推一遍，直接查就行。Transformer之前没这张表，只能每道题都从公理走起。Engram等于把这张表交到模型手里。三个月里，Engram这条路上，发明者最沉默，跟进者各自走了一步。对此，Engram的思路相当直接，既然经典的N-gram模型就能用O的时间复杂度捕获这些局部依赖，那干脆把这能力直接嵌进Transformer。Engram论文上线第十一天，一个叫TaoLin的研究者，单作者，放出了《A Collision-FreeHot-Tier Extension for Engram-Style Conditional Memory》。这种「用昂贵的运行时计算重建一个静态查找表」的活，该领域去干更高阶的推理。连续注入多个新概念时，LoRA会出现突出的概念退化，Engram不会。打个比方，就像你做数学题，该用的公式不必每次从头推一遍，翻表代进去就行。不仅省显存，该领域容量，用于更高阶的推理。正因如此，自1月初论文发表以来，所有人都觉得，Engram就是V4的架构地基，所有人都在盼。那一天，DeepSeek联合北大放出了一篇33页的论文《ConditionalMemoryviaScalableLookup》。一个团队替它化解多机内存层级，一个独立研究者证伪了它一个看似显然的优化方向，一个开源团队把它推到了视觉。视觉Tiny Engram：AutoArk团队把文本Engram搬到视觉模态，扩展了它的应用边界。能查的别算，先查一下。团队的核心观察是，语言建模其实包含两种性质完全不同的任务，一种是需要深度动态计算的组合推理，另一种是检索静态知识。route-stratified评估还发现，训练初期热路径loss更低，但训练后期冷路径反过来超过热路径。Engram原本是为文本设计的。AutoArk等于把这扇门撞开了，凡是能离散化、能哈希的模态，Engram都能搬。跟LoRA比下来，达到同等效果，Engram需要的额外参数只有LoRA的15%到30%。而deepseek-ai/Engram这个仓库，最后一次提交还停在1月14日。我们认为条件记忆将是下一代稀疏模型不可或缺的建模原语。看来，这个下一代得是V5了，难不成会是V4.1?[1]https://arxiv.org/pdf/2601.07372[2]https://arxiv.org/pdf/2603.10087[3]https://arxiv.org/pdf/2601.16531
今日商丘
新浪微博
商丘网