arXiv · cs.AI· Longhua Li, Lei Qi, Qi Tian, Xin Geng·· 5 小时前
ESD与ESM方法在关键子空间中实现数据感知的多任务模型合并
Data-Aware Model Merging in the Essential Subspace for Multi-Task Knowledge Aggregation
arXiv:2606.19164v4阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Longhua Li, Lei Qi, Qi Tian, Xin Geng
研究任务与主要进展
Longhua Li等人提出数据感知模型合并框架，利用代理数据测得的激活偏移识别各任务的关键子空间，并通过ESM按输出偏移特征值加权、正交化任务更新方向，以减少多任务知识聚合中的干扰；ESM++进一步加入动态低秩任务残差专家。基于论文摘要，实验覆盖多种任务集和模型规模，结果显示ESM与ESM++能缓解任务间干扰并聚合任务知识，代码见https://github.com/kiddo127/ESM。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org