HyperRepair 提出超网络修复微调模型遗忘的通用能力
原文标题：HyperRepair: Recovering Forgotten General Capabilities of Fine-Tuned Language Models
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
针对微调提升领域表现却削弱通用能力的问题，论文提出 HyperRepair，用源模型上训练的修复经验学习超网络，通过激活指纹为未见模型生成定制修复侧网。在 12 个 LoRA 适配数据集与 15 个通用基准上，保留基础模型 93.4% 的通用分数与微调模型 99.5% 的领域分数，且仅需推理成本。
- 问题
- 微调提升领域能力却削弱通用能力，现有方法难以兼顾两者。
- 方法
- 在源模型上训练修复经验超网络，用激活指纹为未见模型生成定制修复侧网，按提示选择性施加修正，无需目标域样本或额外优化。
- 结果
- 在 12 个 LoRA 适配数据集与 15 个通用基准上，保留基础模型 93.4% 的通用分数与微调模型 99.5% 的领域分数，仅需推理成本。
- 影响
- 让已微调上线的模型不必重训就能找回通用能力，降低领域定制与通用质量之间的取舍成本。
深读 · 结论先行AI 生成展开看要点与影响 ↓
HyperRepair用超网络生成修复侧网，保留基座93.4%通用分与微调模型99.5%领域分
- •针对微调提升领域表现却削弱通用能力的问题，仅以推理成本做修复
- •在源模型上训练超网络，用激活指纹为未见模型生成定制修复侧网RSN，无需目标域样本或额外优化
- •评测覆盖两个模型家族、12个LoRA适配数据集与15个通用基准
- •默认划分下保留基座模型93.4%的平均通用分，同时保留微调模型99.5%的平均领域分
为什么重要：对做领域微调落地的团队，这提供了一条不重训、不牺牲领域效果的通用能力回补路径。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌 DeepMind 发布 AlphaGenome 2，精细预测突变细胞效应
AI 摘要谷歌 DeepMind 推出 AlphaGenome 2，基于 68 种组织、超 1 亿个细胞图谱训练，可预测遗传变异对特定细胞类型与状态的影响。该模型识别出的影响基因表达的变异数量约为上一代的两倍，并能在未重新训练的情况下预测新细胞类型，有望助力疾病机理研究与药物靶点发现。
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。