研究质疑随机权重扰动发现任务专家

Julian Asilis、Guanzhe Hong、Vatsal Sharan 发表论文，重新检验 Gan & Isola（2026）提出的“神经稠密区”假说，结论是随机高斯权重扰动难以发现预训练模型周围的任务专家。 研究称，随机扰动选出任务专家的收益会随选择集规模 m 增大而快速衰减；在 12 个模型-任务对中，有 10 个的顶级专家奖励提升超过 75% 可由纯选择噪声的零模型解释。作者据此认为，任务适配需要比随机搜索更复杂的方法。 这一结论直接挑战原假说所主张的随机搜索有效性，但论文给出的是对原方法的检验结果，并非对任务适配其他路径的评估。

AI 根据报道生成 · 45 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。