1月13日消息，今日，DeepSeek發(fā)布新論文《Conditional Memory via Scalable Lookup: A New Axis of Sparsity for Large Language Models》(基于可擴展查找的條件記憶：大型語言模型稀疏性的新維度)。

該論文為北京大學(xué)與DeepSeek共同完成，合著作者署名中出現(xiàn)梁文鋒。

論文提出條件記憶(conditional memory)，通過引入可擴展的查找記憶結(jié)構(gòu)，在等參數(shù)、等算力條件下顯著提升模型在知識調(diào)用、推理、代碼、數(shù)學(xué)等任務(wù)上的表現(xiàn)。

此外，DeepSeek還開源相關(guān)記憶模塊Engram。

該模塊提出了“查—算分離”的全新架構(gòu)思路，業(yè)內(nèi)認為，Engram有望成為DeepSeek下一代模型V4的核心技術(shù)基礎(chǔ)。

據(jù)媒體報道，知情人士透露，DeepSeek計劃于2月中旬農(nóng)歷新年前后推出V4模型，不過具體時間仍可能調(diào)整。