arXiv · cs.AI· Dayan Pan, Jingyuan Wang, Xie Yu·· 2 天前
DyPAM：面向大语言模型参数高效微调的动态位置注意力调制
Dynamic Positional Attention Modulation for Parameter-Efficient Fine-Tuning of Large Language Models
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Dayan Pan, Jingyuan Wang, Xie Yu
期刊信息（来源提供）：Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD '26), 2026
研究任务与主要进展
Dayan Pan、Jingyuan Wang和Xie Yu提出DyPAM，用于在大语言模型中参数高效地调节位置信息对注意力的贡献。该方法不修改预训练骨干，结合输入条件的维度调制、注意力头调制和层级结构调制；摘要称其在多个骨干模型的数学与常识推理基准上持续优于现有强PEFT基线。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org