HY-WU (第一部分)：可扩展功能神经记忆框架及其在文本引导图像编辑中的实例化
计算机视觉与模式识别
2026-03-10 v1
摘要
基础模型正从离线预测器转向部署为长期运行的系统，预期在实际部署中目标并非固定：域会漂移，用户偏好会演变，新任务在模型发布后也会出现。这将持续学习和即时个性化从可选功能提升为核心架构要求。然而，大多数适应管线仍遵循静态权重范式：在训练（或任何适应步骤之后），推理仅执行单个参数向量，无论用户意图、域还是实例特定约束。这将训练或适应后的模型视为参数空间中的单一点。在异构且持续演变的环境中，不同目标可导致参数上的分离可行区域，任何单一的共享更新都可能导致妥协、干扰或过度专业化。因此，持续学习和个性化往往以反复覆盖共享权重的方式实现，风险在于降低先前学习行为的性能。我们提出 HY-WU（Weight Unleashing），一种以记忆为中心的适应框架，转移适应压力 away from 覆盖单个共享参数点。HY-WU 在功能（操作级）记忆方面实现了神经模块：一个发生器，从实例条件即时合成权重更新，生成无需测试时优化的实例特定操作。
引用
@article{arxiv.2603.07236,
title = {HY-WU (Part I): An Extensible Functional Neural Memory Framework and An Instantiation in Text-Guided Image Editing},
author = {Tencent HY Team},
journal= {arXiv preprint arXiv:2603.07236},
year = {2026}
}