起源：初次坐高铁竟为见女儿最后一面作者： 黄筠信：

DeepSeek V4最大的遗憾

henry 发自 凹非寺量子位 | 公家号 QbitAI

DeepSeekV4的技术汇报里有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会商的热点。

Engram在今年1月由DeepSeek和北大结合开源，重要钻研大模型的影象与效能问题。

自挂上arXiv的那一刻起，圈子里萦绕它的探求就没有终场过…

不仅仅由于它是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，还能开释深层网络容量，用于更高阶的推理。

正因如此，自1月初论文颁发以来，所有人都感触，Engram就是V4的架构地基，所有人都在盼。

以至于V4颁发后，各人第一功夫就是command+f去论文里找Engram，惋惜并没有。

以至于不少网友甚至感触，没有Engram，V4就是不齐全的。

没有Engram，可能是DeepSeekV4最大的遗憾。

不外，Engram并没有隐没。随后三篇值妥贴心的论文接力出现：

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。无矛盾热层尝试：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规划。视觉Tiny Engram：AutoArk团队把文本Engram搬到视觉模态，扩大了它的利用天堑。

所以，固然V4没有Engram，但它的理想、索求和后续利用已经悄然铺开，为下一代模型打下基础。

Engram到底是什么

把功夫倒回2026年1月12日。

那一天，DeepSeek结合北大放出了一篇33页的论文《ConditionalMemoryviaScalableLookup》。第一作者ChengXin，北大博士生，已经署名过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
？。能查的别算，先查一下。

团队的主题观察是，说话建模其实蕴含两种性质齐全分歧的工作，一种是必要深度动态推算的组合推理，另一种是检索静态知识。

之前的问题在于，Transformer把这两件事混在一路做。模型鉴别一个实体时，得亏损好几层把稳力和前馈网络逐层拼凑特点。

论文里举了个例子，「Diana，Princess of Wales」。模型要走6层能力把这个鉴别完。

前几层还在纠结「Wales是英国的一个地域」、「Princess of Wales是某种头衔」这些中央状态，最后一层才反映过来这是戴安娜王妃。

这种「用昂贵的运行时推算重建一个静态查找表」的活，正本能够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)的功夫复杂度捕获这些部门依赖，那索性把这能力直接嵌进Transformer。

打个譬喻，就像你做数学题，该用的公式不用每次重新推一遍，翻表代进去就行。Transformer之前没这张表，只能每路题都从正义走起。Engram蹬宗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
？。

每个地位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内外，直接取出对应的向量。

门控机造保障查到的内容跟当前高低文不匹配时自动屏蔽。好比「张」是个常见姓氏，但「张仲景」三个字凑一路就是固定汗青人物实体了，门控就掌管认出这种区别。

Engram的定位是MoE之表的另一条稀少轴。MoE是把推算稀少化，只激活一部门专家。Engram是把存储稀少化，只查一部门条款。两者互补，不矛盾。

论文最主题的一段尝试，是固定总参数和每token激活参数，而后让MoE专家和Engram影象抢预算，得到一条U形曲线。

纯MoE不是最优解。把约莫20%-25%的稀少参数分给Engram，模型loss达到最低点。

按这个曲线领导，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。

了局知始集型工作的提升切合预期(MMLU +3.4，CMMLU +4.0)，但通用推理和代码数学的提升超出预期(BBH +5.0，ARC-Challenge +3.7，HumanEval +3.0，MATH +2.4)，长高低文场景更夸大，Multi-Query NIAH从84.2%跃升到97.0%。

那么，为什么影象
？榛鼓芊垂刺嵘评?

LogitLens和CKA给出了答案，Engram-27B第5层的表征，跟MoE基线第12层的表征最类似。

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，这部门网络深度被腾出来做更复杂的推理。Engram不是新增了一块影象，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索引简直定性，只取决于输入token序列，齐全能够提前算，CPU异步预取跟GPU推算重叠。

能够说，这个
？樘焐筒豢縃BM，只能惜如今V4来了，Engram没来。

没在v4，但在其他处所

发现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、港大结合发了一篇系统论文，《Pooling Engram Conditional Memory in Large Language Models using CXL》。

他们没改Engram自身，而是回覆了一个更工程的问题，若是Engram真的成了下一代标配，内存放哪。

答案是CXL内存池化。GPU HBM放推算权重，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互换芯片做拓扑，512GB/s带宽。

整套集成进SGLang，做了预取-推算重叠，跑下来端到端吞吐损失幼于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。

结论很明显，Engram这种确定性寻址、可预取的负载，险些是为CXL量身定做的。

一个反直觉的尝试

Engram论文上线第十一天，1月23日，一个叫TaoLin的钻研者，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矛盾，若是把高频N-gram用Minimal Perfect Hash Function齐全解除矛盾，模型会不会更好。

他设计了Engram-Nine，把影象分成无矛盾的「热层」和保留多头哈希的「冷层」。

了局反直觉。在严格iso-parameter节造下，无矛盾设计没有不变提升验证loss。

route-stratified评估还发现，训练初期热蹊径(高频)loss更低，但训练后期冷蹊径反过来超过热蹊径。

一个看上去显然的优化方向，被一个真做尝试的人证伪了。

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齐全复现文本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经过度层编码，底层抓纹理，中层抓部件，高层抓风格，而后整套丢进哈希查表。

跟LoRA比下来，达到一致成效，Engram必要的额表参数只有LoRA的15%到30%。陆续注入多个新概想时，LoRA会出现显著的概想退化，Engram不会。

Engram正本是为文本设计的。AutoArk蹬宗把这扇门撞开了，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，发现者最寡言，跟进者各自走了一步。

一个团队替它解决多机内存层级，一个独立钻研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 thing

Engram论文的提要结尾有一句话：

我们以为前提影象将是下一代稀少模型不成或缺的建模原语。

看来，这个下一代得是V5了，难不成会是V4.1?

[1]https://arxiv.org/pdf/2601.07372

[2]https://arxiv.org/pdf/2603.10087

[3]https://arxiv.org/pdf/2601.16531