تم اقتراح ScaleNet بشكل مشترك في أكتوبر 2025 من قبل فريق بحثي من معهد بكين للتكنولوجيا، ومختبر هواوي نوح آرك، وجامعة مدينة هونغ كونغ، إلى جانب مؤسسات أخرى. وقد نُشرت نتائج البحث ذات الصلة في ورقة بحثية. ScaleNet: توسيع نطاق الشبكات العصبية المدربة مسبقًا باستخدام معلمات متزايدة .

ScaleNet هي طريقة فعّالة لتوسيع نطاق نماذج ViT. على عكس التدريب التقليدي من الصفر، يُحقق هذا النموذج توسيعًا سريعًا للنماذج المُدرّبة مسبقًا مع الحد الأدنى من زيادة المعلمات، مما يوفر حلاً اقتصاديًا لتوسيع نطاق ViT. وبالتحديد، تُوسّع ScaleNet نطاق النماذج بإضافة طبقات إضافية إلى نماذج ViT المُدرّبة مسبقًا، مستخدمةً مشاركة الأوزان بين الطبقات للحفاظ على كفاءة المعلمات. تُظهر تجارب مُوسّعة على مجموعة بيانات ImageNet-1K أن ScaleNet تتفوق بشكل ملحوظ على تدريب النماذج المُوسّعة من الصفر، حيث حققت تحسينًا في دقة TP3T بمقدار 7.421 على نموذج DeiT-Base مُوسّع العمق بمقدار الضعف في ثلث دورات التدريب فقط.