這項(xiàng)由ByteDance Seed團(tuán)隊(duì)的黃志豪、包宇、閔奇揚(yáng)等研究人員完成的重要研究，于2025年8月27日發(fā)表在arXiv預(yù)印本平臺(tái)上（論文編號(hào)：arXiv:2508.18756v1），為人工智能領(lǐng)域帶來(lái)了突破性進(jìn)展。想要深入了解技術(shù)細(xì)節(jié)的讀者，可以通過(guò)論文代碼頁(yè)面https://github.com/ZihaoHuang-notabot/Ultra-Sparse-Memory-Network獲得完整資料。

現(xiàn)代人工智能就像一個(gè)擁有超強(qiáng)記憶力的學(xué)生，但傳統(tǒng)的AI系統(tǒng)在處理信息時(shí)面臨著一個(gè)根本矛盾：要么擁有強(qiáng)大的計(jì)算能力但記憶訪問(wèn)成本高昂，要么記憶訪問(wèn)便宜但性能受限。這個(gè)問(wèn)題困擾著整個(gè)AI界，就好比你想要一個(gè)既聰明又高效的助手，但現(xiàn)有的技術(shù)總是讓你在兩者之間做出妥協(xié)。

在AI的世界里，有一種叫做"混合專家"（MoE）的技術(shù)，它就像一個(gè)擁有多位專業(yè)顧問(wèn)的智能系統(tǒng)。當(dāng)遇到問(wèn)題時(shí)，系統(tǒng)會(huì)選擇最合適的幾位專家來(lái)協(xié)同工作。這種方法確實(shí)很聰明，特別是當(dāng)激活8位專家時(shí)效果最佳，但問(wèn)題在于每次咨詢專家都需要大量的"路費(fèi)"——也就是內(nèi)存訪問(wèn)開(kāi)銷，這讓整個(gè)系統(tǒng)運(yùn)行起來(lái)成本昂貴且緩慢。

與此同時(shí)，另一種叫做"記憶層"的技術(shù)則像一個(gè)巨大的圖書(shū)館，系統(tǒng)可以直接從中檢索所需信息，訪問(wèn)成本相對(duì)較低。然而，之前的記憶層技術(shù)（比如UltraMem）雖然在效率方面表現(xiàn)不錯(cuò)，但性能卻只能與使用2位專家的MoE系統(tǒng)相匹敵，與最優(yōu)的8專家配置相比存在顯著差距。

ByteDance的研究團(tuán)隊(duì)就像一群技藝精湛的工程師，他們決心打破這個(gè)技術(shù)瓶頸。他們開(kāi)發(fā)的UltraMemV2系統(tǒng)，成功地讓記憶層架構(gòu)的性能追上了頂級(jí)的8專家MoE模型，同時(shí)保持了記憶訪問(wèn)的低成本優(yōu)勢(shì)。這項(xiàng)突破就好比他們找到了制造既快速又節(jié)能的超級(jí)計(jì)算機(jī)的方法。

研究團(tuán)隊(duì)的創(chuàng)新體現(xiàn)在五個(gè)關(guān)鍵改進(jìn)上。首先，他們將記憶層深度整合到每個(gè)變換器塊中，就像在每個(gè)房間都安裝了智能助手，而不是只在幾個(gè)房間設(shè)置。其次，他們簡(jiǎn)化了數(shù)值擴(kuò)展過(guò)程，使用單一的線性投影替代了復(fù)雜的多層結(jié)構(gòu)，這就像用一個(gè)簡(jiǎn)單高效的工具替代了繁瑣的多步驟流程。

第三個(gè)改進(jìn)來(lái)自對(duì)PEER技術(shù)的采用，這種基于前饋神經(jīng)網(wǎng)絡(luò)的數(shù)值處理方法，讓系統(tǒng)能夠更好地處理激活的數(shù)值，就像給圖書(shū)管理員配備了更先進(jìn)的分類系統(tǒng)。第四個(gè)關(guān)鍵點(diǎn)是優(yōu)化了參數(shù)初始化方法，確保訓(xùn)練過(guò)程的穩(wěn)定性，避免了訓(xùn)練發(fā)散的問(wèn)題，這相當(dāng)于為系統(tǒng)的學(xué)習(xí)過(guò)程制定了科學(xué)的起步規(guī)則。最后，他們重新平衡了記憶層與傳統(tǒng)前饋網(wǎng)絡(luò)之間的計(jì)算比例，找到了最優(yōu)的資源分配方案。

實(shí)驗(yàn)結(jié)果令人印象深刻。在標(biāo)準(zhǔn)測(cè)試中，UltraMemV2達(dá)到了與8專家MoE模型相當(dāng)?shù)男阅芩?，但在需要大量記憶的任?wù)上表現(xiàn)更加出色。具體來(lái)說(shuō)，在長(zhǎng)文本記憶任務(wù)上提升了1.6個(gè)百分點(diǎn)，多輪對(duì)話記憶提升了6.2個(gè)百分點(diǎn)，情境學(xué)習(xí)能力更是提升了7.9個(gè)百分點(diǎn)。這些數(shù)字背后反映的是系統(tǒng)在處理復(fù)雜、需要長(zhǎng)期記憶的任務(wù)時(shí)的顯著優(yōu)勢(shì)。

更重要的是，研究團(tuán)隊(duì)成功驗(yàn)證了這種技術(shù)在大規(guī)模場(chǎng)景下的可行性，他們構(gòu)建的模型擁有高達(dá)1200億個(gè)參數(shù)，其中25億個(gè)參數(shù)在實(shí)際使用中被激活。這項(xiàng)工作還揭示了一個(gè)重要發(fā)現(xiàn)：激活密度（即每次使用多少參數(shù)）對(duì)性能的影響比總的稀疏參數(shù)數(shù)量更為關(guān)鍵，這為未來(lái)的系統(tǒng)設(shè)計(jì)提供了重要指導(dǎo)原則。

從技術(shù)發(fā)展的角度來(lái)看，UltraMemV2的成功意味著記憶層架構(gòu)終于可以與最先進(jìn)的MoE模型平起平坐，為高效稀疏計(jì)算提供了一個(gè)有力的替代方案。這不僅解決了一個(gè)長(zhǎng)期存在的技術(shù)難題，更為構(gòu)建更大規(guī)模、更高效的AI系統(tǒng)開(kāi)辟了新的道路。

然而，研究團(tuán)隊(duì)也誠(chéng)實(shí)地指出了當(dāng)前系統(tǒng)的一些局限性。UltraMemV2在訓(xùn)練初期表現(xiàn)不如MoE模型，需要更多高質(zhì)量數(shù)據(jù)才能發(fā)揮最佳性能。此外，要達(dá)到最優(yōu)效果，系統(tǒng)需要在每個(gè)模型塊中都配置記憶層，這增加了架構(gòu)的復(fù)雜性。

這項(xiàng)研究的意義遠(yuǎn)不止于技術(shù)突破本身。它為AI領(lǐng)域提供了一種全新的思路，證明了通過(guò)精心設(shè)計(jì)的記憶機(jī)制可以實(shí)現(xiàn)高效且強(qiáng)大的智能系統(tǒng)。對(duì)于普通用戶而言，這意味著未來(lái)的AI助手可能會(huì)變得更加智能和高效，在處理需要長(zhǎng)期記憶的復(fù)雜任務(wù)時(shí)表現(xiàn)更佳，同時(shí)運(yùn)行成本更低。

展望未來(lái)，UltraMemV2技術(shù)有望在需要處理大量歷史信息的應(yīng)用場(chǎng)景中發(fā)揮重要作用，比如長(zhǎng)文檔分析、多輪對(duì)話系統(tǒng)、個(gè)性化推薦等。隨著技術(shù)的進(jìn)一步成熟和優(yōu)化，我們可能會(huì)看到更多基于這種記憶層架構(gòu)的AI產(chǎn)品出現(xiàn)在日常生活中，為人們提供更智能、更高效的服務(wù)。

Q&A

Q1：UltraMemV2相比傳統(tǒng)的MoE模型有什么優(yōu)勢(shì)？

A：UltraMemV2的主要優(yōu)勢(shì)在于顯著降低了內(nèi)存訪問(wèn)成本，同時(shí)在性能上達(dá)到了與8專家MoE模型相當(dāng)?shù)乃健Ｌ貏e是在需要長(zhǎng)期記憶的任務(wù)上表現(xiàn)更加出色，比如長(zhǎng)文本記憶提升1.6個(gè)百分點(diǎn)，多輪對(duì)話記憶提升6.2個(gè)百分點(diǎn)，情境學(xué)習(xí)能力提升7.9個(gè)百分點(diǎn)。這就像找到了一種既聰明又節(jié)能的計(jì)算方式。

Q2：UltraMemV2技術(shù)的核心改進(jìn)包括哪些方面？

A：研究團(tuán)隊(duì)主要做了五個(gè)關(guān)鍵改進(jìn)：將記憶層集成到每個(gè)變換器塊中、簡(jiǎn)化數(shù)值擴(kuò)展過(guò)程使用單一線性投影、采用基于前饋網(wǎng)絡(luò)的PEER技術(shù)處理數(shù)值、優(yōu)化參數(shù)初始化方法防止訓(xùn)練發(fā)散、重新平衡記憶層與前饋網(wǎng)絡(luò)的計(jì)算比例。這些改進(jìn)協(xié)同工作，讓系統(tǒng)性能大幅提升。

Q3：UltraMemV2有什么局限性嗎？

A：是的，UltraMemV2也有一些局限性。它在訓(xùn)練初期表現(xiàn)不如MoE模型，需要更多高質(zhì)量數(shù)據(jù)才能發(fā)揮最佳性能，并且要達(dá)到最優(yōu)效果需要在每個(gè)模型塊中都配置記憶層。不過(guò)研究團(tuán)隊(duì)認(rèn)為這些問(wèn)題可以通過(guò)進(jìn)一步優(yōu)化得到改善。