2014年的Neural Turing Machine，为何至今仍让人反复读？

我又一次翻起2014年那篇Neural Turing Machine的论文，心里还是那个疑问：一个把神经网络控制器和外部可寻址记忆库绑在一起的架构，凭什么是记忆增强神经网络领域绕不开的起点？这篇论文的核心思路其实很朴素——让网络不只靠隐藏状态"记住"东西，而是学会主动读写一块独立的、有结构的存储区域，就像人拿笔记本辅助思考一样。它提出的Differential Neural Computer和Neural Turing Machine，为后续的记忆增强系统立下了几乎教科书级的范式。十多年来，从记忆网络到图灵机式强化学习，这个"控制器+外部记忆"的框架反复被致敬、被改造，却始终没被彻底超越。我判断，它的历史地位不在于某个具体任务上的性能数字，而在于它第一次把"记忆"从隐藏状态中解耦出来，变成可操作、可学习的对象。这种解耦的思想，至今仍在LLM的记忆机制研究中隐隐回响。

原文：Neural Turing Machines (2014) · 来源：Hacker News