Delta N-gram：无需反向传播的模型 N-gram 记忆持续写入方法

Delta N-gram 提出一条 forward-only 的写入路径，把证据写进模型原生哈希 N-gram 表的稀疏补丁 Δ，预训练表 T^0 完全不被修改。清空 Δ 即可恢复原始模型，写入只需前向传播，不需要反向传播。在 0.6B 原型上，第二次写入后问答仍记住 16/16 条事实，而在线梯度写入只剩 2-4/16。在 Qwen3.8-Flash-Next 上，delta writer 在干扰文章后仍保留 70% 的记忆，plain writer 为 54%；3.5 万次连续写入后准确率仅变化 -0.26/-0.52pp，而梯度更新为 -7.29pp。