inference-time-adaptation

MIITA是一个内存诱导的推理时自适应框架，专为小语言模型的持续学习设计。它存储修正方向原型，并在推理时应用门控隐藏状态自适应，从而在不更新主干参数的情况下缓解灾难性遗忘。

本文介绍了用于SemEval-2026任务7（文化意识）的DFKI-MLT系统，该系统利用来自平行FLORES数据的语言向量，对多语言大语言模型应用激活引导。该系统在多项选择题（MCQ）赛道中达到86.96%的准确率，在17支队伍中排名第7，事后分析表明，提升效果对层敏感，且在不同语言-区域对之间存在差异。