深夜，梁文锋署名的DeepSeek新论文又来了。这一次，他们提出全新的Engram模块，解决了Transformer的记忆难题，让模型容量不再靠堆参数！
今天凌晨，喜欢闷声做大事的 DeepSeek 再次发布重大技术成果，在其 GitHub 官方仓库开源了新论文与模块 Engram，论文题为 “Conditional Memory via Scalable Lookup: A New Axis of Sparsity for Large Language Models”， 梁文锋再次出现在合著者名单中。
这些改变世界的产品，最初居然都是不被当回事儿的支线项目（side project）？！
昨天，那个硅谷少有的“横跨三代技术浪潮、持续站在牌桌中央、系统性改写投资规则”的传奇人物，终于又一次出来公开说他的大实话了！
GRPO 是促使 DeepSeek-R1 成功的基础技术之一。最近一两年，GRPO 及其变体因其高效性和简洁性，已成为业内广泛采用的强化学习算法。
全球榜单中唯一成功率超过50%的模型。今日，千寻智能正式开源自研VLA基础模型Spirit v1.5，就在前一天，该模型在全球具身智能模型评测平台RoboChallenge上，综合评测斩获第一。
前几天元旦，DeepSeek 又激发了「假期更新」 Buff，梁文锋署名新论文刷屏 AI 圈，就在大家都在等待 V4 的发布时，我发现有一群人早就在 DeepSeek 里找到了新乐子：自制「橙光游戏」。
近期，DeepSeek-OCR 凭借其创新的「视觉文本压缩」（Vision-Text Compression, VTC）范式引发了技术圈的高度关注。为了解答这一疑问，来自中科院自动化所、中国科学院香港创新研究院等机构的研究团队推出了首个专门针对视觉 - 文本压缩范式的基准测试 ——VTCBench。
今天受邀，参加了一个非常有趣的活动，现场人真的爆满了，很多人都是从外地特意赶过来的。 这个活动，叫AGI-NEXT。 主要是几个演讲的嘉宾，过于重磅了。 开源四巨头除了DeepSeek没来，智谱的唐杰老师、Kimi的杨植麟、Qwen的林俊旸，齐聚一堂。
几天前，DeepSeek 毫无预兆地更新了 R1 论文，将原有的 22 页增加到了现在的 86 页。新版本充实了更多细节内容，包括首次公开训练全路径，即从冷启动、训练导向 RL、拒绝采样与再微调到全场景对齐 RL 的四阶段 pipeline，以及「Aha Moment」的数据化验证等等。
