跳到正文
热点事件观察中

WeAct提出动态权重切换方法

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Rui Shi、Xunjian Yin、Jiacheng Sang、Zichuan Liu、Shuyan Zhou提出WeAct动态权重切换方法，将独立能力LoRA适配器的选择加入智能体动作空间；论文报告称，该方法在相关基准测试中提升了平均准确率。 WeAct在冻结的模型主干上训练多个能力特定的LoRA适配器，并通过模型原生工具调用接口按需组合能力；切换适配器时不会更新主干或其他适配器。论文称，在8个深度研究基准上，Qwen3-32B使用WeAct的平均准确率比全量微调方案高6.2%，比最强的静态LoRA合并方法高27.5%，同时计算量更低。

AI 根据报道生成 · 16 小时前更新

最新进展10月21日 12:00
WeAct：将动态权重切换作为智能体动作

报道时间线

沿着报道，了解事件的不同侧面。

10月21日
  1. arXiv · Machine Learning
    WeAct：将动态权重切换作为智能体动作

    WeAct提出Weight-level Internal Actions，在冻结backbone上训练独立能力LoRA适配器，并将适配器选择加入智能体动作空间。

本事件热度走势

可比范围当前
5
可比范围峰值
710月21日 23:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。