编辑：LRST
ICLR论文STEM架构率先提出「查表式记忆」架构，早于DeepSeek Engram三个月。它将Transformer的FFN从动态计算改为静态查表，用token索引的embedding表直接读取记忆，彻底解耦记忆容量与计算开销。
近年来，随着大模型规模与知识密度的持续爆发，研究人员开始重新审视一个底层问题：模型的参数究竟该如何组织，才能最高效地承担「记忆」的功能？
在传统的Transformer架构中，前馈神经网络（FFN）的知识通常隐式地埋藏在up-projection等密集矩阵内 。这种通过输入进行动态激活的矩阵乘法，虽然保证了表达能力，却在参数的可寻址性、后期可编辑性以及系统计算效率上存在着天然的局限 。
为了突破这一瓶颈，学术界和工业界逐渐转向更离散、更结构化的参数组织路径 。
近期DeepSeek推出的engram机制成功引爆了业内对「查表式记忆（lookup-based memory）」的关注 。但令人瞩目的是，早于engram问世约三个月前，一篇入选 ICLR 的论文就已经对该方向进行了极其系统的探索 。
项目主页: https://infini-ai-lab.github.io/STEM/
与传统的混合专家模型（MoE）在现有稀疏路由上做修补不同，STEM（Scaling Transformers with Embedding Modules）选择直接对 FFN 结构「动刀」：它摒弃了动态运行时的路由机制，将 up-projection 替换为按token索引的层级 embedding 表，以一种纯静态的方式重构了 Transformer 的记忆访问路径 。
从「算地址」到「查地址」
如果用「键值对记忆（key-value memory）」的视角来审视标准 Transformer，像 SwiGLU 这样的 FFN 结构，本质上是通过一次 up-projection 将输入映射到高维空间，从而生成一个能被 gate 调制的「地址向量」 。这一过程极其依赖输入相关的密集矩阵乘法，不仅计算昂贵，而且参数高度耦合 。
STEM 团队提出了一个灵魂拷问：如果 FFN 的核心作用只是「按token访问记忆」，我们真的需要每次都动态计算这些地址向量吗？
基于此，STEM给出了一种极致简单直接的解法：
彻底移除up-projection，不再动态计算地址向量 。
为模型的每一层单独维护一个按token索引的embedding表 。
在前向传播时，直接根据token id 「查表」，提取对应的静态向量 作为原先的 。
完整保留gate与down-projection模块，用于对查表得到的向量进行上下文的压缩与调制 。
这一看似轻量的模块替换，实现了一个极其本质的架构跨越：模型的「记忆容量」终于与「单token的计算量」实现了彻底解耦 。
连锁效应
四大维度的全面跃升
虽然仅仅替换了FFN的一个子模块，STEM 却在实验中展现出了惊人的全方位优势 ：
1. 即插即用的「知识编辑」
这是STEM最硬核的特性之一 。因为每一层的embedding都与特定token id强绑定，研究人员甚至不需要重新训练，只需替换特定token的STEM向量，就能直接修改模型输出的事实 。
例如，仅通过互换「Spain」与「Germany」的向量，模型在回答首都问题时就会发生相应的改变 。这为未来的模型内部机制理解与知识编辑打开了全新大门 。
2. 训练极度稳定（告别动态路由的烦恼）
与依赖运行时路由的MoE不同，STEM是一种静态稀疏架构 。由于每个token在每一层访问的 embedding 都是恒定确定的，它完美避开了MoE训练中令人头疼的负载倾斜（load skew）和损失突刺（loss spike）问题，且不需要任何all-to-all通信 。
3. 更宽广的「记忆空间」
从几何空间分布来看，STEM 的 embedding 表展现出了更大的角度散布（large angular spread） 。这意味着不同token 的向量更趋近于正交，大幅减少了参数间的相互干扰（cross-talk） 。在同等算力下，模型能塞下更多「可寻址的记忆槽位」 。
4. 计算与I/O双重减负
砍掉up-projection后，每一层都能省下庞大的矩阵乘法开销（约
级别） 。更妙的是，庞大的embedding表完全可以离载（offload）到 CPU 内存中，配合异步预取（prefetch）和缓存策略高效运行 。
实验与落地
长上下文表现亮眼
团队在350M和1B规模的模型上对 STEM 进行了严密的消融实验 。数据表明，STEM 相比于 dense 架构基线，整体平均性能提升了约3–4%，在部分知识密集型任务上，提升幅度甚至飙升至9–10% 。特别是在大海捞针（Needle-in-a-Haystack）和LongBench等长文本评测中，上下文越长，STEM的优势就越显著。
对于工程落地，论文也给出了避坑指南：
替换讲究位置： 核心在于替换up-projection，如果盲目替换gate-projection，反而会破坏模型的上下文调制能力 。
优化存储与显存： embedding表可放在CPU，但在训练时需注意将梯度写回对应的优化器状态 。在追求极致性价比时，还可以采用「部分层替换」或混合变体策略来平衡显存压力 。
结语
STEM架构向我们清晰地传达了一个信号：在无脑堆叠算力和参数量之外，通过巧妙重构参数的「组织方式」，我们依然能够榨取巨大的性能红利 。 在当前基座大模型越发庞大复杂的语境下，STEM这种简洁、优雅且工程友好的设计，无疑是下一代模型演进路线上的一座重要灯塔
作者介绍
论文第一作者Ranajoy Sadhukhan为卡内基梅隆大学（CMU）InfiniAI Lab 博士生，师从陈贝迪教授。该工作完成于其在 Meta AI 实习期间，实习导师包括刘泽春、曹晟（Rick Cao）与田渊栋等研究人员。
InfiniAI Lab 由陈贝迪教授创立，致力于模型、系统与硬件协同设计，研究高效且可扩展的 AI 算法与系统，重点方向包括长上下文多模态建模、突破传统 scaling laws 的新一代模型架构，以及基础模型的理解与推理能力增强，同时推动算法与系统层面的效率优化，以促进 AI 技术的普及化。
刘泽春为Meta AI 研究科学家，研究方向涵盖基座模型训练，大模型压缩、稀疏化与端侧部署优化，专注于模型高效推理与系统协同设计。
曹晟（Rick Cao）为 Meta AI 研究员，主要研究大模型系统优化与高效推理架构设计，关注大规模模型在真实系统环境中的部署与加速问题。
田渊栋为 Meta AI 资深研究科学家，长期从事强化学习与大模型研究，曾参与 AlphaZero 等强化学习系统研发，并关注基础模型的推理与决策能力。
凯丰资本提示：文章来自网络，不代表本站观点。
