单样本校准、零推理开销，免训练LoRA合并框架上线 | ICML'26 vivo BlueImage Lab 投稿 量子位 | 公众号 QbitAI AIGC相关创作中，多个LoRA合并到一起，画风串味、角色崩坏几乎是必然。 过去几年，这件事主要靠经验来处理：调合并权重、调稀疏比例、调缩放系数，试出一组看着还行的配置就算过关；换一批LoRA，又得从头再试一遍。 针对这一问题，来自**vivo BlueImage Lab、南京大学**等的研究团队，提出了**SSR-Merge：Subspace Signal Routing**。项目想回答的问题是：**LoRA合并为什么会互相干扰？能不能不靠反复试参数，而是把这个干扰直接从数学上解出来？** 问题出在哪：大家都在参数空间里“硬碰硬” LoRA*（Low-Rank Adaptation）*是目前最主流的轻量化微调方式：不动底座模型，只训练一对低秩矩阵，就能让扩散模型学会一个角色、一种画风或一类编辑操作。训练成本低，分享方便，社区里已经积累了数以万计的LoRA。能力越多，“把多个LoRA合并成一个”的需求就越自然。 现有的合并方法，本质上都在