仅幅度FFN干预修复工具调用：门控评估与跨模型结果

论文用冻结权重的幅度掩码干预FFN，在部分Qwen工具调用端点上报告小幅提升。

资讯摘要

论文研究仅对前馈网络激活做幅度重缩放，以乘法坐标掩码替代加性引导向量，提出Amplitude Gating（AG）：冻结预训练权重，在六个SwiGLU位置施加基于幅度与熵的掩码，并有Newton-Schulz窗口排序变体。作者在三个Qwen检查点、六个文本/工具端点上报告效果依赖任务：Qwen3.5-9B非NS配置在两个函数调用端点提升2.61/2.67个百分点，静态ToolBench域内/域外提升1.64/2.82个百分点，JSON增益较小。

要点速读

1. 方法为仅幅度FFN干预，冻结权重，在六个SwiGLU位置应用幅度/熵掩码，另有Newton-Schulz窗口排序变体。
2. 作者报告Qwen3.5-9B非NS配置在两个函数调用端点提升2.61/2.67个百分点，ToolBench域内/域外提升1.64/2.82个百分点，JSON增益较小。
3. 得分衡量词法或答案/动作名一致，而非工具实际执行成功；因果机制、等预算优势、重复运行不确定性与服务成本仍需评估。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/28 08:00:17（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。