通过神经场适应学习权重空间表示
机器学习
2026-03-05 v2 人工智能
摘要
在本工作中，我们探讨了权重作为有效表示形式的潜力，专注于神经场。我们的关键洞察是，通过预训练的 base 模型和低秩适应（LoRA）约束优化空间，可在权重空间中诱导结构。我们在 2D 和 3D 数据上的重建、生成和分析任务中发现，乘性 LoRA 权重实现了高质量的表示，同时表现出独特性和语义结构。当用于潜在扩散模型时，乘性 LoRA 权重比现有的权重空间方法实现了更高质量的生成。
引用
@article{arxiv.2512.01759,
title = {Weight Space Representation Learning via Neural Field Adaptation},
author = {Zhuoqian Yang and Mathieu Salzmann and Sabine Süsstrunk},
journal= {arXiv preprint arXiv:2512.01759},
year = {2026}
}
备注
8 pages body, 8 pages appendix