DeepMind 新论文 SkillSmith：将模型权重变为可组合的技能模块
eyishazyer · x · 2026-08-03
Google DeepMind 的一项新研究表明，AI 模型的权重不必再是只能被微调或平均的静态产物。
提出的 SkillSmith 框架能够将智能体学到的技能与新任务描述结合，把前缀键值缓存（prefix key-value caches）作为一种新的输入模态。这意味着 AI 可以通过交织现有的权重和新任务的示例，实现从“学习单一技能”向“组合多项技能”的跨越。
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