這是字典一個關于 AI 底層邏輯重構的時刻。

長期以來，梁文論文Transformer 架構被困在一個昂貴的鋒署分悖論中：我們用著最先進的 GPU 算力，去讓 AI 模型 " 死記硬背 " 那些查字典就能知道的名新模型靜態(tài)知識。

DeepSeek 梁文鋒團隊與其北大合作者在今日凌晨發(fā)布的配本重磅論文《Conditional Memory via Scalable Lookup》，徹底打破了這一僵局。計算記憶他們提出了一種全新的后智Engram（印跡）模塊，在傳統(tǒng)的商爆 " 條件計算 "（MoE）之外，開辟了第二條稀疏化戰(zhàn)線——" 條件記憶 "。表劇

這不只是字典一次技術修補，而是梁文論文一場關于模型 " 腦容量 " 的供給側改革。它證明了：當我們將 " 記憶 " 從 " 計算 " 中剝離，鋒署分把該背的名新模型交給 " 字典 "，把該算的配本交給大腦，AI 的計算記憶推理能力將迎來反直覺的爆發(fā)式增長。