# AuthorMix 作者风格迁移框架

该工作提出 AuthorMix 这一轻量、模块化且可解释的作者风格迁移框架：先在少量高资源作者上训练各自的风格专用 LoRA 适配器，再通过基于强化学习的逐层适配器混合，仅用少量目标风格训练样本即可快速为新目标作者构建专用适配模型；据摘要报告，AuthorMix 在综合风格—语义得分上位列所有基线（包括 GPT-5.1）之首，相比经过训练的基线显著改善语义保持，并在人工评估中成为唯一在每个维度上都最优或并列最优的方法。

该工作提出 AuthorMix 这一轻量、模块化且可解释的作者风格迁移框架：先在少量高资源作者上训练各自的风格专用 LoRA 适配器，再通过基于强化学习的逐层适配器混合，仅用少量目标风格训练样本即可快速为新目标作者构建专用适配模型；据摘要报告，AuthorMix 在综合风格—语义得分上位列所有基线（包括 GPT-5.1）之首，相比经过训练的基线显著改善语义保持，并在人工评估中成为唯一在每个维度上都最优或并列最优的方法。