1 月 13 日，DeepSeek 发布新论文《Conditional Memory via Scalable Lookup: A New Axis of Sparsity for Large Language Models》（基于可扩展查找的条件记忆：大型语言模型稀疏性的新维度）。

该论文为北京大学与 DeepSeek 共同完成，合著作者署名中出现梁文锋。

论文提出条件记忆（conditional memory），通过引入可扩展的查找记忆结构，在等参数、等算力条件下显著提升模型在知识调用、推理、代码、数学等任务上的表现。

此外，DeepSeek 还开源相关记忆模块 Engram。

该模块提出了「查—算分离」的全新架构思路，业内认为，Engram 有望成为 DeepSeek 下一代模型 V4 的核心技术基础。

据媒体报道，知情人士透露，DeepSeek 计划于 2 月中旬农历新年前后推出 V4 模型，不过具体时间仍可能调整。（来源：快科技）