快科技1月13日消息，今日，DeepSeek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。

此外，DeepSeek还开源相关记忆模块Engram。

该模块提出了“查—算分离”的全新架构思路，业内认为，Engram有望成为DeepSeek下一代模型V4的核心技术基础。

据媒体报道，知情人士透露，DeepSeek计划于2月中旬农历新年前后推出V4模型，不过具体时间仍可能调整。

本文转载自快科技，转载目的在于传递更多信息，并不代表本站赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请联系快科技通知我方删除，我方将在收到通知后第一时间删除内容！本文只提供参考并不构成任何投资及应用建议。本站拥有对此声明的最终解释权。