Jinli Hu

该工作提出“无限参数 LLM”架构：用一个紧凑超网络把运行时提供的数据（事实、指令、示例）编码为低维隐码，再由该隐码生成对共享基础前馈网络的低秩加性调制，从而在不存储专家库的前提下按 token 生成“专家”，并进一步对隐码维持一个贝叶斯信念、随会话在线更新，使有效权重在会话中持续演化；作者同时给出评估协议，把“把知识放进权重”与“把知识放进提示”在同等预算下直接对比。

该工作提出“无限参数 LLM”架构：用一个紧凑超网络把运行时提供的数据（事实、指令、示例）编码为低维隐码，再由该隐码生成对共享基础前馈网络的低秩加性调制，从而在不存储专家库的前提下按 token 生成“专家”，并进一步对隐码维持一个贝叶斯信念、随会话在线更新，使有效权重在会话中持续演化；作者同时给出评估协议，把“把知识放进权重”与“把知识放进提示”在同等预算下直接对比。