Transformer 线性叠加特性可恢复

这项研究暗示了一个反直觉的工程机会：预训练越充分的模型反而越"僵化"，失去线性叠加能力，而轻量微调能重新"解锁"它。这意味着做模型合并（model merging）、任务向量插值或实时风格切换的团队，不必从头训练，只需在特定阶段加一层轻量约束即可。

更实际的联想是，当前流行的 LoRA 合并、ControlNet 多条件融合等技术的理论基础可能就在这里——如果叠加是架构内禀属性，那很多经验性的 trick 就有了可预测的设计空间。论文热度不高但思路干净，建议做模型服务化或多租户推理的工程师精读。