上海
品玩3月7日訊，騰訊混元團隊發布技術報告，提出名為“HY-WU”（或稱“混元無相”）的全新功能性記憶（Functional Neural Memory）范式，旨在解決傳統人工智能模型“災難性遺忘”與“性能蹺蹺板”等核心適配難題。
該范式從“靜態參數記憶”轉向“功能性記憶”，其核心在于訓練一個參數生成器。在模型推理時，該系統能根據當前輸入的特定條件（如圖像與編輯指令），實時合成一組針對該任務的個性化參數（如LoRA權重），并將其動態注入凍結的基座模型。此舉實現了“動態路由”，從根本上避免了在共享權重上的參數沖突。
在文本引導圖像編輯任務的實際驗證中，HY-WU展現出優異表現?；贖Y-Image-3.0-Instruct模型的評測顯示，其在人類主觀評價（GSB）中優于多數主流開源模型，與頂級閉源模型相當。在GEdit-Bench、ImgEdit-Bench等自動化評測榜單上，其綜合得分亦達到開源模型的領先水平。
該技術標志著AI模型架構從“靜態固化”向“動態靈活”的重要演進，為實現更高程度的個性化和持續學習能力開辟了新路徑。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
