AI 模型调制：通过 logits 重新分配实现
人工智能
2026-03-16 v1
摘要
大规模模型通常需要适应以满足模型所有者和用户的多样化需求。然而，维护多个专用模型版本效率低下。为此，我们提出了 AIM（AI Model Modulation），这是一种新的模型调制范式，使单个模型能够以满足特定最终需求的多样化行为呈现。AIM 启用了两种关键调制模式：工具调制和聚焦调制。前者为模型所有者提供了对输出质量的动态控制，以交付不同程度的实用性，后者为用户提供了将模型聚焦输入特征的精确控制。AIM 引入一种 logits 重新分配策略，该策略以训练数据无关且无需重新训练的方式运行。我们建立了形式化基础，以确保 AIM 的调节能力，基于 logits 排序的联合概率分布统计属性。我们的评估确认了 AIM 在 AI 模型调制中的实用性和多样性，涵盖图像分类、语义分割和文本生成等任务，以及包括 ResNet、SegFormer 和 Llama 在内的主流架构。
关键词
引用
@article{arxiv.2603.12755,
title = {AI Model Modulation with Logits Redistribution},
author = {Zihan Wang and Zhongkui Ma and Xinguo Feng and Zhiyang Mei and Ethan Ma and Derui Wang and Minhui Xue and Guangdong Bai},
journal= {arXiv preprint arXiv:2603.12755},
year = {2026}
}
备注
The 2025 ACM Web Conference