새 논문은 실시간 입력과 사용자별 정보로 언어모델의 일부 가중치를 생성하고 갱신하는 Infinite-Parameter LLM 구조를 제안했다. 기본 모델의 피드포워드 층에 저랭크 변화를 주는 하이퍼네트워크와 온라인 잠재 상태 갱신을 결합해, 고정된 저장 규모 안에서 다양한 가중치 구성을 만들려는 접근이다. 저자들은 문맥에 정보만 덧붙이는 방식과 다른 적응 경로를 논의한다. 다만 확인한 논문은 구조와 평가 방향의 제안이며 독립적인 성능 입증은 확보하지 못했으므로, 지속 학습의 망각이나 정확도 문제가 해결됐다고 볼 수 없다.