DeepMind 新论文 SkillSmith：将模型权重视为模态，推理时实现技能组合
omarsar0 · x · 2026-08-03
Google DeepMind 提出了一种名为 SkillSmith 的新方法，将模型权重视为一种额外的模态，让大语言模型（LLM）能够原生读取。
该方法让增强后的模型在接收描述能力与目标关系的文本后，能直接输出体现该技能的新前缀权重。这使得技能组合从传统的训练过程转变为一种推理时操作（inference-time operation），研究团队将其称为“指令引导的参数合成”。
实验表明，这种结合文本与权重的适应方法，其性能增益超过了仅使用文本或仅使用权重的单一适应方法。
所属事件:DeepMind 提出 SkillSmith：将模型权重视为可组合模态(4 条相关)→
「研究」频道最新
- 伯克利团队用扩散模型直接采样机器人策略权重，Unitree G1 真机走跑起舞 — berkeley_ai · 2026-10-16
- HKU 等提出 OneWM：统一因果训练让世界模型与动作学习互相增益 — IAAI233 · 2026-10-16
- 百度提出 Virtual Head Attention：同时压 KV cache、算力并保质量 — baidu · 2026-10-16
- 5.8M 参数语音事件检测器：为 Whisper 转录补上笑声呼吸与背景音 — Ayush Kumar Bar · 2026-10-16
- 华为等提出 SUPRA-Tex：单图生成可重打光 3D 材质，所见即所得 — Chen Yang · 2026-10-16
- RoboVista 机器人理解基准发布:Gemini-4 Argon 81.9% 登顶 — berkeley_ai · 2026-10-16