**HyperQ：为冻结扩散语言模型注入 token 级量子残差分支**

_Circuit Hypernetworks for Quantum-Augmented Diffusion Language Models_

> 研究提出 HyperQ，在冻结的掩码扩散语言模型各 Transformer 块中加入以 token 为条件的量子残差分支：由轻量级电路超网络生成该 token 的旋转角、耦合强度与测量轴，在共享稀疏电路结构中执行后经残差连接回传，仅训练新增分支。其期望值具有精确经典表达式，计算成本随量子比特数线性增长，使 16–64 量子比特电路可在 11 亿参数骨干内训练。下游基准平均分由 47.65 升至 54.30；64 量子比特时分别超过冻结骨干与低秩适配基线 4.71 和 3.67 分，且仅需 2 万条提示-回复对微调（经典基线为 20 万条）。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-23 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.24657)