arXiv · cs.CL· Dayan Pan·· 21 天前AI 评分44
DyPAM：面向大语言模型参数高效微调的动态位置注意力调制方法
Dynamic Positional Attention Modulation for Parameter-Efficient Fine-Tuning of Large Language Models
来源与原文
arXiv · cs.CL
作者：Dayan Pan
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.07848v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 DyPAM（Dynamic Positional Attention Modulation），一种参数高效微调（PEFT）方法，通过在 query 和 key 表示上进行输入条件化、维度级调制，并结合 head 级与 layer 级结构调制，对 RoPE 引入的位置注意力做细粒度适配，且不修改预训练骨干。在多个骨干模型的数学与常识推理 benchmark 上，DyPAM 持续超越现有强 PEFT 基线，论文已被 KDD 2026 接收。
来源：arXiv · cs.CL · arxiv.org