Gan & Isola

Gan & Isola（2026）提出神经厚丛假说：预训练模型处于一个密集的任务专家集合中，简单的高斯权重扰动就能显现这些专家。

Gan & Isola 提出的 RandOpt(N, K) 方法对多个扰动版本进行多数投票以提升性能。

Gan & Isola 的原始工作与重新审视研究之间的分歧主要在于：扰动带来的提升是否具有泛化性，以及多数投票策略的有效性。