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……唯独没有Engram。Engram去哪了这个话题一度成为网友们讨论的热点。Engram在今年1月由DeepSeek和北大联合开源主要研究大模型的记忆与效率问题。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」这种事实模型不用动用整个深层网络去重新推一遍直接查就行。不仅省显存还能释放深层网络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。以至于V4发表后大家第一时间就是commandf去论文里找Engram可惜并没有。以至于不少网友甚至觉得没有EngramV4就是不完整的。没有Engram可能是DeepSeekV4最大的遗憾。不过Engram并没有消失。随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部署的存储问题。无冲突热层实验对Engram的多头哈希优化进行了实证检验证伪了一些直觉式改进方案。视觉Tiny EngramAutoArk团队把文本Engram搬到视觉模态扩展了它的应用边界。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。Engram到底是什么把时间倒回2026年1月12日。那一天DeepSeek联合北大放出了一篇33页的论文《ConditionalMemoryviaScalableLookup》。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。先来一句话速通版Engram是给Transformer加的一个原生知识查表模块。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。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几层注意力和前馈网络逐层拼凑特征。论文里举了个例子「DianaPrincess of Wales」。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。这种「用昂贵的运行时计算重建一个静态查找表」的活本来可以让深层网络去干更高阶的推理。对此Engram的思路相当直接既然经典的N-gram模型就能用O(1)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。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。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。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。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。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。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。Engram是把存储稀疏化只查一部分条目。两者互补不冲突。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。纯MoE不是最优解。把大约20%-25%的稀疏参数分给Engram模型loss达到最低点。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提升符合预期(MMLU 3.4CMMLU 4.0)但通用推理和代码数学的提升超出预期(BBH 5.0ARC-Challenge 3.7HumanEval 3.0MATH 2.4)长上下文场景更夸张Multi-Query NIAH从84.2%跃升到97.0%。那么为什么记忆模块还能反过来提升推理?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把模型的早期层从「重建静态知识」这种苦力活里解放出来这部分网络深度被腾出来做更复杂的推理。Engram不是新增了一块记忆它还变相把网络加深了。工程上。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%。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。可以说这个模块天生就不靠HBM只可惜如今V4来了Engram没来。没在v4但在其他地方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。把Engram塞进CXL内存池3月10日北大、阿里云、山东英信、人大、港大联合发了一篇系统论文《Pooling Engram Conditional Memory in Large Language Models using CXL》。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。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。8台服务器共享4TB内存池XConn XC50256交换芯片做拓扑512GB/s带宽。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%。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。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。一个反直觉的实验Engram论文上线第十一天1月23日一个叫TaoLin的研究者单作者放出了《A Collision-FreeHot-Tier Extension for Engram-Style Conditional Memory》。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。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」。结果反直觉。在严格iso-parameter控制下无冲突设计没有稳定提升验证loss。route-stratified评估还发现训练初期热路径(高频)loss更低但训练后期冷路径反过来超过热路径。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(AutoArk/TinyEngram)GitHub上一个叫AutoArk的团队搞了Tiny Engram。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。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。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%。连续注入多个新概念时LoRA会出现明显的概念退化Engram不会。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。三个月里Engram这条路上发明者最沉默跟进者各自走了一步。一个团队替它解决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。而deepseek-ai/Engram这个仓库最后一次提交还停在1月14日。One more thingEngram论文的摘要结尾有一句话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?参考链接[1]https://arxiv.org/pdf/2601.07372[2]https://arxiv.org/pdf/2603.10087[3]https://arxiv.org/pdf/2601.16531一键三连「点赞」「转发」「小心心」欢迎在评论区留下你的想法—完— 谁会代表2026年的AI龙虾爆火带动一波Agent与衍生产品浪潮。但真正值得长期关注的AI公司和产品或许不止于此。如果你正在做或见证着这些变化欢迎申报。让更多人看见你。 https://wj.qq.com/s2/25829730/09xz/一键关注 点亮星标