DeepSeek又發(fā)論文了。

這次的主題有點(diǎn)意思：他們發(fā)現(xiàn)，現(xiàn)在的大模型在浪費(fèi)大量算力做一件很傻的事——用計(jì)算來(lái)模擬查字典。

論文叫《Conditional Memory via Scalable Lookup》，核心是一個(gè)叫Engram的模塊。

這個(gè)名字有點(diǎn)意思。Engram是神經(jīng)科學(xué)術(shù)語(yǔ)，最早由德國(guó)生物學(xué)家Richard Semon在1904年提出，指的是大腦中存儲(chǔ)記憶痕跡的物理結(jié)構(gòu)——當(dāng)你記住"巴黎是法國(guó)首都"這個(gè)事實(shí)時(shí)，這條信息就以某種物理形式（可能是特定的神經(jīng)連接模式）存儲(chǔ)在你的大腦里，這個(gè)物理痕跡就叫engram。

DeepSeek用這個(gè)名字，顯然是想說(shuō)：我們要給大模型裝上真正的"記憶"。

說(shuō)實(shí)話，看完之后我挺興奮的——這篇論文的思路非常優(yōu)雅，而且解決的是一個(gè)很根本的問(wèn)題。更重要的是，它觸及了一個(gè)認(rèn)知科學(xué)的經(jīng)典命題：記憶和思考是什么關(guān)系？

先說(shuō)問(wèn)題：大模型在浪費(fèi)算力做"背書"

你有沒(méi)有想過(guò)，當(dāng)大模型看到"Diana, Princess of Wales"（戴安娜王妃）這個(gè)詞的時(shí)候，它內(nèi)部發(fā)生了什么？

DeepSeek在論文里引用了一個(gè)很有意思的研究（PatchScope）：模型需要消耗多層Attention和FFN，才能逐步把這個(gè)實(shí)體識(shí)別出來(lái)。

具體來(lái)說(shuō)，模型處理"Wales"這個(gè)詞時(shí)的內(nèi)部狀態(tài)演變：

層數(shù)

模型內(nèi)部理解

1-2層

"威爾士"（當(dāng)成英國(guó)的一個(gè)地區(qū)）

3層

"歐洲的一個(gè)國(guó)家"

4層

"女性君主持有的頭銜"（開始識(shí)別Princess）

5層

"威爾士王儲(chǔ)的妻子"

6層

"戴安娜王妃（1961-1997），查爾斯王子的前妻"

看到?jīng)]？模型用了6層計(jì)算，才把一個(gè)固定的歷史人物識(shí)別出來(lái)。

問(wèn)題在于：這個(gè)信息是靜態(tài)的、固定的，根本不需要每次都"計(jì)算"出來(lái)。

"亞歷山大大帝"就是"亞歷山大大帝"，"四大發(fā)明"就是"四大發(fā)明"，"張仲景"就是"張仲景"。這些固定搭配、命名實(shí)體、慣用表達(dá)，每次都用神經(jīng)網(wǎng)絡(luò)重新計(jì)算一遍，是不是有點(diǎn)傻？

這就像你每次需要查"中國(guó)首都是哪"的時(shí)候，不是直接查字典，而是從頭推理一遍——中國(guó)是個(gè)國(guó)家，國(guó)家有首都，中國(guó)的政治中心在...

DeepSeek的核心觀點(diǎn)是：大模型浪費(fèi)了大量的"網(wǎng)絡(luò)深度"在做這種重復(fù)性的靜態(tài)知識(shí)重建。這些算力本來(lái)可以用來(lái)做更有價(jià)值的事——比如推理。

Engram的核心思想：給模型發(fā)一本字典

想象你在考試。

以前的規(guī)則是：什么都不能帶，全靠腦子現(xiàn)場(chǎng)推。"亞歷山大大帝是誰(shuí)？"你得從頭想——亞歷山大，希臘名字，大帝說(shuō)明是君主，歷史上有名的希臘君主...

現(xiàn)在新規(guī)則：允許帶一本字典進(jìn)考場(chǎng)。字典里寫著"亞歷山大大帝 = 馬其頓國(guó)王，公元前356-323年，征服了波斯帝國(guó)"。你直接翻到這一頁(yè)，抄上去，省下來(lái)的時(shí)間做后面的推理題。

Engram就是這本字典。

具體怎么查？很簡(jiǎn)單：

模型看到"Alexander the Great"這三個(gè)詞連在一起，就像看到字典的索引詞條。它用一個(gè)很快的方法（哈希）定位到字典里對(duì)應(yīng)的那一頁(yè)，直接把預(yù)先存好的信息拿出來(lái)用。

整個(gè)過(guò)程不需要"思考"，只需要"翻頁(yè)"。

但這里有個(gè)問(wèn)題：同一個(gè)詞在不同場(chǎng)合意思不一樣。

比如"蘋果"，可能是水果，也可能是那家科技公司。字典里存的是哪個(gè)意思？

Engram的解決方案很聰明：查完字典之后，先看看上下文，再?zèng)Q定用不用。

如果前面在聊水果，字典里查出來(lái)的"蘋果公司"就不太對(duì)勁，模型會(huì)自動(dòng)忽略這個(gè)查表結(jié)果，繼續(xù)用自己的推理。如果前面在聊手機(jī)，那字典里的信息就很有用，直接采納。

這就像一個(gè)聰明的學(xué)生：帶了字典進(jìn)考場(chǎng)，但不是無(wú)腦抄，而是先判斷字典里的答案和題目對(duì)不對(duì)得上。

關(guān)鍵發(fā)現(xiàn)：U型縮放定律

這里是論文最有意思的部分。

DeepSeek研究了一個(gè)問(wèn)題：如果總參數(shù)量固定，應(yīng)該把多少參數(shù)分配給MoE專家，多少分配給Engram記憶？

他們定義了一個(gè)"分配比例"ρ：

• ρ = 100% 表示純MoE（所有稀疏參數(shù)都給專家）

• ρ < 100% 表示把部分參數(shù)從專家轉(zhuǎn)移到Engram

實(shí)驗(yàn)結(jié)果讓人驚訝：

驗(yàn)證損失呈現(xiàn)U型分布：

• 純MoE（ρ=100%）不是最優(yōu)的

• 分配約20-25%給Engram（ρ≈75-80%）效果最好

• 把太多參數(shù)給Engram（ρ<50%）效果又變差

這個(gè)U型曲線說(shuō)明了什么？

MoE和Engram是互補(bǔ)的：

• MoE擅長(zhǎng)動(dòng)態(tài)的、需要上下文推理的任務(wù)

• Engram擅長(zhǎng)靜態(tài)的、固定模式的識(shí)別

兩者缺一不可。純MoE缺少記憶能力，純Engram缺少推理能力。

插一段：博爾赫斯早就寫過(guò)這個(gè)

看到這個(gè)U型曲線的時(shí)候，我突然想起博爾赫斯的一個(gè)短篇：**《博聞強(qiáng)記的富內(nèi)斯》**（Funes the Memorious）。

故事講的是一個(gè)叫富內(nèi)斯的阿根廷青年，從馬上摔下來(lái)之后，獲得了"完美記憶"的能力——他能記住一切。每一片葉子的形狀，每一朵云的變化，甚至能記住1882年4月30日黎明時(shí)分南方天空的云彩排列。

但博爾赫斯寫道：富內(nèi)斯無(wú)法思考。

"思考就是忘記差異，就是概括，就是抽象。在富內(nèi)斯塞滿了東西的世界里，只有細(xì)節(jié)，幾乎是直接感知的細(xì)節(jié)。"

富內(nèi)斯能記住三個(gè)不同時(shí)刻看到的同一條狗，但他無(wú)法理解"狗"這個(gè)概念——因?yàn)槊恳粭l狗、每一個(gè)瞬間的狗，對(duì)他來(lái)說(shuō)都是完全不同的東西。他記住了一切，卻失去了抽象的能力。

這不就是論文里U型曲線的左端嗎？

當(dāng)ρ趨近于0（全是Engram，沒(méi)有MoE）時(shí)，模型有無(wú)限的記憶，但失去了推理能力。它能記住"亞歷山大大帝"是誰(shuí)，但無(wú)法用這些知識(shí)進(jìn)行推理。

反過(guò)來(lái)，當(dāng)ρ=100%（全是MoE，沒(méi)有Engram）時(shí)，模型有強(qiáng)大的推理能力，但要浪費(fèi)大量算力重建那些本可以直接記住的東西。

博爾赫斯在1942年就洞察到了這一點(diǎn)：記憶和思考是互補(bǔ)的，但也是對(duì)立的。完美的記憶會(huì)殺死思考，而純粹的思考則需要不斷重新發(fā)明輪子。

最優(yōu)解在中間——既有記憶，又有思考。

DeepSeek的實(shí)驗(yàn)數(shù)據(jù)給出了一個(gè)驚人精確的答案：大約75-80%給思考，20-25%給記憶。

這讓我想到另一個(gè)認(rèn)知心理學(xué)的經(jīng)典概念：**組塊（Chunking）**。

1956年，心理學(xué)家George Miller發(fā)表了著名的論文《神奇的數(shù)字7±2》，指出人類工作記憶的容量是有限的，但我們可以通過(guò)"組塊"來(lái)擴(kuò)展它。比如記電話號(hào)碼138-8888-6666，你不是記11個(gè)數(shù)字，而是記3個(gè)組塊。

N-gram本質(zhì)上就是語(yǔ)言的組塊。"亞歷山大大帝"不是5個(gè)字，而是1個(gè)組塊。Engram做的事情，就是把這些組塊預(yù)先存好，省得每次都要重新計(jì)算。

人腦早就在這么干了。DeepSeek只是讓大模型學(xué)會(huì)了同樣的技巧。

實(shí)驗(yàn)結(jié)果：推理能力提升比知識(shí)提升更大

這是讓我最驚訝的部分。

你可能會(huì)想：Engram是個(gè)"記憶模塊"，應(yīng)該主要提升知識(shí)類任務(wù)吧？

確實(shí)，知識(shí)任務(wù)有提升：

• MMLU：+3.4

• CMMLU：+4.0

• MMLU-Pro：+1.8

但推理任務(wù)的提升更大：

• BBH：+5.0

• ARC-Challenge：+3.7

• DROP：+3.3

甚至代碼和數(shù)學(xué)也有顯著提升：

• HumanEval：+3.0

• MATH：+2.4

• GSM8K：+2.2

等等，一個(gè)"記憶模塊"為什么能提升推理能力？

機(jī)制分析：為什么"記憶模塊"能提升推理？

這是我最想搞明白的問(wèn)題。

DeepSeek做了一個(gè)很有意思的實(shí)驗(yàn)：他們"偷看"模型每一層在想什么。

具體方法是：把每一層的中間結(jié)果拿出來(lái)，問(wèn)它"你現(xiàn)在覺得下一個(gè)詞是什么？"。如果這一層已經(jīng)很接近最終答案，說(shuō)明模型在這一層就基本"想明白了"。

結(jié)果很直觀：

有Engram的模型，在很早的層就"想明白了"；沒(méi)有Engram的模型，要到很深的層才行。

為什么？

因?yàn)闆](méi)有字典的模型，前面幾層都在忙著做一件事：搞清楚"亞歷山大大帝"是誰(shuí)。它得一層一層地拼湊——這是個(gè)人名，是個(gè)歷史人物，是個(gè)國(guó)王，是馬其頓的國(guó)王...

等它終于搞清楚這是誰(shuí)了，已經(jīng)用掉了5、6層。剩下的層才能開始真正的推理。

但有字典的模型不一樣。第2層的時(shí)候，Engram直接告訴它："亞歷山大大帝 = 馬其頓國(guó)王，征服者"。好了，搞定，后面20多層全部用來(lái)推理。

這就像兩個(gè)學(xué)生做同一張卷子：

一個(gè)學(xué)生得先花20分鐘背公式，再用40分鐘做題。

另一個(gè)學(xué)生帶了公式表，60分鐘全用來(lái)做題。

誰(shuí)的推理題做得更好？顯然是第二個(gè)。

DeepSeek還做了一個(gè)更精確的測(cè)量：Engram模型第5層的"思考深度"，相當(dāng)于普通模型第12層的水平。

換句話說(shuō)，Engram相當(dāng)于免費(fèi)給模型加了7層深度。

這就解釋了為什么推理能力提升這么大——不是Engram本身能推理，而是它把推理的空間讓出來(lái)了。

長(zhǎng)上下文能力也炸了

還有個(gè)意外收獲：處理長(zhǎng)文章的能力暴漲。

有個(gè)測(cè)試叫"大海撈針"——在一篇很長(zhǎng)的文章里藏一句關(guān)鍵信息，看模型能不能找到。

任務(wù)

沒(méi)有字典

有字典

多問(wèn)題大海撈針

84.2%

97.0%

變量追蹤

77.0%

89.0%

為什么字典能幫助處理長(zhǎng)文章？

想象你在讀一本很長(zhǎng)的小說(shuō)。如果你每次看到"福爾摩斯"都要停下來(lái)想"這是誰(shuí)來(lái)著..."，讀到后面肯定記不住前面的劇情。

但如果"福爾摩斯 = 偵探，住貝克街221B"這個(gè)信息已經(jīng)存在字典里，你的注意力就可以全部用來(lái)追蹤劇情——誰(shuí)殺了誰(shuí)，線索在哪，兇手是誰(shuí)。

Engram處理了"這是誰(shuí)"的問(wèn)題，Attention就可以專注于"發(fā)生了什么"的問(wèn)題。

相當(dāng)于給大腦減負(fù)了。

系統(tǒng)設(shè)計(jì)：字典可以放在抽屜里

這里體現(xiàn)了DeepSeek一貫的風(fēng)格：理論創(chuàng)新和工程落地并重。

繼續(xù)用考試的比喻。

MoE（專家模型）的問(wèn)題是：每道題都要"現(xiàn)場(chǎng)"決定找哪個(gè)專家來(lái)答，這個(gè)決定本身就要花時(shí)間。

但字典不一樣。你看到"亞歷山大大帝"，就知道要翻到A開頭那一頁(yè)。你不需要先讀完整道題，才知道去查哪個(gè)詞條。

這意味著什么？

意味著字典可以提前準(zhǔn)備好。

模型還在處理第1層的時(shí)候，系統(tǒng)就已經(jīng)知道第2層要查什么詞條了。所以可以提前把那一頁(yè)準(zhǔn)備好，等模型算到第2層的時(shí)候，字典已經(jīng)翻開擺在那兒了。

更妙的是：字典不需要放在桌上，放在抽屜里也行。

GPU顯存很貴，就像桌面空間有限。但CPU內(nèi)存便宜得多，就像抽屜容量大得多。

既然可以提前知道要查什么，那就提前從抽屜里把那一頁(yè)拿出來(lái)，等用的時(shí)候已經(jīng)在桌上了。

DeepSeek做了個(gè)實(shí)驗(yàn)：把一本1000億參數(shù)的"字典"放在抽屜里（CPU內(nèi)存），結(jié)果：

配置

速度

不帶字典

9,031 字/秒

帶1000億參數(shù)字典（放抽屜里）

8,858 字/秒

只慢了2% ，但多了1000億參數(shù)的知識(shí)。

這就是為什么Engram可以做得很大——字典放抽屜里就行，不占桌面。

門控可視化：確實(shí)在識(shí)別固定模式

論文最后有個(gè)很直觀的可視化：

紅色表示門控值高（Engram被激活），白色表示門控值低（Engram被忽略）。

可以看到，門控在這些地方激活：

• "Alexander the Great"（亞歷山大大帝）

• "the Milky Way"（銀河系）

• "Princess of Wales"（威爾士王妃）

• "四大發(fā)明"

• "張仲景"

• "傷寒雜病論"

全是命名實(shí)體和固定搭配。Engram確實(shí)在做它該做的事：識(shí)別靜態(tài)模式。

往大了說(shuō)：DeepSeek在開一條新路

回到開頭的問(wèn)題：這篇論文的意義是什么？

過(guò)去幾年，大家都在一個(gè)方向上卷：怎么讓模型算得更聰明。MoE讓不同的專家處理不同的問(wèn)題，Attention讓模型看到更遠(yuǎn)的上下文，更深的網(wǎng)絡(luò)讓推理更復(fù)雜。

但不管怎么卷，本質(zhì)上都是在優(yōu)化"計(jì)算"。

DeepSeek說(shuō)：等等，有些問(wèn)題根本不需要算，查一下就行了。

這個(gè)思路其實(shí)很符合直覺：人腦也不是什么都靠推理，很多時(shí)候就是直接調(diào)用記憶。你看到"1+1"不需要推理，直接輸出"2"就行。

論文最后一句話很有意思：

"We envision conditional memory as an indispensable modeling primitive for next-generation sparse models."

翻譯過(guò)來(lái)：我們認(rèn)為條件記憶會(huì)成為下一代稀疏模型的基礎(chǔ)組件。

DeepSeek在押注一個(gè)新的架構(gòu)方向。

最后：記憶與思考的平衡

回到開頭的問(wèn)題：記憶和思考是什么關(guān)系？

博爾赫斯用富內(nèi)斯告訴我們：完美的記憶會(huì)殺死思考。認(rèn)知心理學(xué)告訴我們：人腦用組塊來(lái)平衡記憶和思考的負(fù)擔(dān)。

現(xiàn)在DeepSeek用實(shí)驗(yàn)數(shù)據(jù)告訴我們：最優(yōu)的比例大約是75%計(jì)算 + 25%記憶。

這個(gè)數(shù)字讓我覺得很有意思。它意味著，即使是"智能"系統(tǒng)，也不能全靠"聰明"——你得記住一些東西，才能把腦力用在更值得思考的地方。

這篇論文給我最大的啟發(fā)是：有時(shí)候最好的優(yōu)化不是讓計(jì)算更快，而是把計(jì)算變成查表。

O(1)的查表永遠(yuǎn)比O(n)的計(jì)算快。如果一個(gè)問(wèn)題的答案是固定的、可以預(yù)先算好存起來(lái)的，那就沒(méi)必要每次都重新算。

這個(gè)道理在計(jì)算機(jī)科學(xué)里叫"空間換時(shí)間"。但在大模型領(lǐng)域，過(guò)去幾年大家都在卷MoE、卷Attention、卷更深的網(wǎng)絡(luò)，似乎忘了還有"記憶"這條路。

DeepSeek的Engram提醒我們：大模型不是越大越好、也不是越深越好，關(guān)鍵是把合適的任務(wù)分配給合適的模塊。

靜態(tài)知識(shí) → 查表（Engram）

動(dòng)態(tài)推理 → 計(jì)算（MoE）

就像人腦一樣：你不需要每次看到"1+1"都重新推導(dǎo)，直接從記憶里調(diào)出"2"就行了。省下來(lái)的腦力，用來(lái)思考更有價(jià)值的問(wèn)題。

富內(nèi)斯記住了一切，卻無(wú)法思考。

純MoE模型能夠思考，卻要浪費(fèi)算力重建記憶。

最聰明的系統(tǒng)，是知道什么該記住、什么該思考的系統(tǒng)。

參考資料：

• Engram論文：https://github.com/deepseek-ai/Engram

• DeepSeek-V3技術(shù)報(bào)告：https://arxiv.org/abs/2412.19437

• mHC論文：https://arxiv.org/abs/2512.24880