)
note
- Engram：给大语言模型加了个“快速查知识的小模块”。也就是条件记忆模块，实现上，融合静态N-gram嵌入与动态隐藏状态，通过确定性寻址实现O(1)查找，以可扩展查找，作为混合专家（MoE）之外的新稀疏性维度。如此一来，原来的模型（比如MoE架构）靠“实时计算”处理信息，这个模块补了个“静态记忆库”，存着常用的短语、知识片段，后续一键调取，不用重复计算。
- 尽管混合专家（Mixture-of-Experts, MoE）通过条件计算来扩展模型容量，但标准Transformer架构缺乏一种原生的机制用于知识检索。为解决这一问题，DeepSeek探索了“条件记忆”作为稀疏性的补充维度，并通过Engram模块加以实现——该模块对经典的N元语法（N-gram）嵌入进行了现代化改造，支持O(1)复杂度的快速查找。
- 稀疏性分配：DeepSeek系统地刻画了神经计算（MoE）与静态记忆（Engram）之间的权衡关系，发现了一种U型缩放规律，可用于指导模型容量的最优分配。
- 实证验证：在严格保持参数量和计算量（FLOPs）不变的条件下，Engram-27B模型在知识、推理、代码和数学等多个领域均持续优于MoE基线模型。
- 机制分析：我们的分析表明，Engram能够减轻模型浅层对静态模式重建的负担，从而可能保留更多有效深度用于复杂推理任务。
- 系统效率：该模块采用确定性寻址机制，使得大规模嵌入表可以高效卸载至主机内存，同时在推理时仅引入极低的额外开销。
文章目录
- note
- 一、Engram
- Reference
一、Engram
【Deepseek进展】给大语言模型加了个“快速查知识的小模块”。也就是条件记忆模块，实现上，融合静态N-gram嵌入与动态隐藏状态，通过确定性寻址实现O(1)查找，以可扩展查找，作为混合专家（MoE）之外的新稀疏性维度。如此一来，原来的模型（比如MoE架构）靠“实时计算”处理信息，这个模块补了个“静态记忆库”，存着常用的短语、知识片段，后续一键调取，不用重复计算。
《Conditional Memory via Scalable Lookup:A New Axis of Sparsity for Large Language Models》，
https://github.com/deepseek-ai/Engram/blob/main/Engram_paper.pdf，
项目地址：https://github.com/deepseek-ai/Engram
核心实现是“静态记忆库 + 动态计算层”的融合，细分6点。
1）静态记忆库：本质是一个超大的“常用知识片段仓库”，存储的是N-gram（比如单词、短语、短句子）的嵌入向量（可以理解为“知识的数字编码”）。这些N-gram是从海量文本中统计出来的高频、高价值片段（比如“机器学习”“因果推理”“for循环语法”），提前做好编码存起来，不用模型再实时生成。
2）动态计算层：就是大模型原来的Transformer层，负责处理复杂推理（比如逻辑链、代码调试、数学推导），不再需要兼顾“记住简单知识”。
3）融合逻辑：模型处理输入时，先从“静态记忆库”里快速调取匹配的知识片段（比如看到“牛顿第二定律”，直接拿出库里存好的相关编码），再和Transformer层的动态计算结果结合，输出最终答案。
4）确定性寻址：不用像传统检索那样遍历整个库，而是通过固定规则（比如N-gram的哈希值）直接定位到对应的记忆位置，调取速度是“常数级”（不管库多大，都能一键找到）。
5）内存优化：把这个超大的记忆库卸载到主机内存（而不是占显卡显存），显卡只负责处理动态计算，解决了“大记忆库占用显存”的问题，推理时不增加额外开销。
6）U型缩放定律：一套“怎么分配记忆库容量和模型参数”的规则——模型越小，记忆库可以适当大一点；模型越大，记忆库和计算层的比例要动态调整，确保“记忆”和“推理”不脱节。
Reference
[1] Conditional Memory via Scalable Lookup:A New Axis of Sparsity for Large Language Models
