待验证50% 置信事实精确时间

HyperRepair 的超网络可以将其修复能力迁移到共享同一预训练基座的未见模型上，即使这些模型来自未见过的适配领域。

1

来源数

50%

置信度

长期有效

时效性

2026/11/2

首次发现

来源

HyperRepair：仅推理阶段恢复微调模型通用能力

涉及实体

HyperRepairconcept 超网络concept

相关事实

待验证HyperRepair 把通用能力恢复从重新训练转变为推理时修正。73% 相似待验证CUE在不同的模拟器大模型之间切换时无需重新训练也能保持效果68% 相似待验证超网络在连续学习、神经架构搜索和多任务学习等场景中已有实验验证，但受限于生成质量与稳定性，尚未成为主流架构组件63% 相似待验证传统深度学习模型（如 LSTM、Transformer）参数在训练后固定，面对体制转换时往往需要重新训练或在线学习机制才能适应63% 相似已验证DQN引入了经验回放和目标网络两项关键创新，前者打破时序数据强相关性使训练稳定，后者避免训练震荡与发散63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1125133

API

curl https://kongchang.com/api/v1/knowledge/claims/1125133

MCP

get_claim(id=1125133)