Memory-augmented　neural　network　(MANN)　has　gained　attention　as　a　pivotal　solution　for　few-shot　learning　(FSL).　Among　the　candidates　for　associative　memory　in　MANN　accelerators,　spin-transfer　torque　magnetic　random-access　memory　(STT-MRAM)　stands　out　for　its　compact　cell　area,　long　data　retention　time,　and　excellent　scalability.　In　this　paper,　we　propose　an　STT-MRAM　near-memory　computing　(NMC)　macro　for　MANN　acceleration.　The　macro　contains　following　innovations:　1)　An　array-level　parallel　computing　architecture　for　L1　distance　calculation.　2)　A　low-area-overhead　memory-invert　coding　technique　to　reduce　write　energy　consumption.　3)　A　configurable　dynamic　offset-compensation　sense　amplifier　(CDOC-SA)　to　improve　classification　accuracy.　Fabricated　in　40nm　CMOS　process,　our　macro　demonstrates　an　energy　efficiency　of　6.47　TOPS/W,　achieving　the　classification　accuracy　of　98.3%　and　93%　for　8-way-5-shot　tasks　and　16-way-5-shot　tasks　on　the　Omniglot　dataset.　©　2025　IEEE.