无限参数大模型：把用户现场给的信息直接写进模型权重里

Infinite-Parameter LLMs: Generating and Adapting Weights from Live Data

这篇论文提了一个新架构，核心想法是：用户对话时提供的实时信息（比如补充的事实、纠正的指令）不再塞进提示词里反复读，而是当场生成一小块模型权重，直接修改模型的前馈网络。具体做法是用一个紧凑的超网络，把实时数据转换成对共享基座模型的低秩调制，相当于每次只动一小部分参数。更特别的是，它维护了一个对生成器潜变量的贝叶斯信念，并在对话过程中在线更新，让有效权重随...

推荐理由：这篇论文的架构想法挺新鲜：把用户对话里的实时信息直接变成模型权重，而不是让模型反复读提示词。超网络加贝叶斯在线更新的设计让这个思路有了可操作的机制，不只是概念。但正文没披露任何产品化路径或实验室背景，目前还停留在纸面，对一线干活的人影响有限，所以先打个折，放在 featured 里让大家知道有这么个方向。