أطلق باحث مستقل ورقة بحثية مسبقة تفصّل محوّل على طراز DeepSeek بـ 3.08 مليون معامل، يستخدم بنك ذاكرة سريع الأوزان مُدرَّبًا لتثبيت وتطبيق قواعد لم تُدرَّب مسبقاً أثناء الاستدلال دون أي تمرير عكسي. يكتب النموذج مخرجات تمريره الأمامي في بنك متجهي ذي 8 خانات، ثم يُقرأ هذا البنك كأوزان عبر شبكة فرعية فائقة، مما يتيح التعلم المستمر أثناء الاستدلال دون تدريب وقت الاختبار (TTT)، أو محسّنات، أو سياق متنامٍ. تشمل النتائج الرئيسية:
- تثبيت قاعدة لم تُدرَّب مسبقاً بدقة تتراوح بين 0.79 و1.00 على استعلامات غير مرئية عبر عرض واحد مكون من 13 رمزًا، مع الصمود أمام إخراج الخانات والسماح بالاستبدال أثناء المحادثة دون أي استمرار للقاعدة القديمة.
- تدريب وقت الاختبار يناسب أمثلة التكيف (0.99) لكنه لا ينقل شيئًا على الإطلاق إلى الاستعلامات غير المرئية بتكلفة أعلى بـ 138 ضعفًا لكل تحديث للقاعدة، بينما يبقى التعلم السياقي داخل النافذة عند مستوى الصدفة.
- تُحدَّد سياسة الذاكرة بواسطة توزيع التدريب؛ فخلط بنية المحادثة أثناء التدريب يثبت سلوك الحفظ/الكتابة فوق/الكتابة عند القذارة اللازم، في حين تسبب البنى الثابتة تمسكًا كليًا.
تسلّط الورقة الضوء على أن كسر دائرة القراءة/الكتابة يتطلب تقنيات تدريب محددة مثل التمهيد المُجبر بالمعلّم والتبريد التدريجي، لأن نقطة التثبيت للتدرج المشترك تتجاهل البنك. جميع التجارب، بما في ذلك ثلاث عمليات تدريب مدتها 5 ساعات على بطاقة RTX 3090 واحدة، قابلة للتكرار الكامل عبر الكود المرفق ومعرف DOI على Zenodo.