arXiv · cs.AI· Pratik Ramesh, George Stoica, Arun Iyer, Leshem Choshen, Judy Hoffman·· 7 小时前
Learning Not To Interfere：提出减少模型合并跨任务干扰的 RI 框架
Learning Not To Interfere: Adapting Experts For Model Merging
arXiv:2603.13467v2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：Pratik Ramesh, George Stoica, Arun Iyer, Leshem Choshen, Judy Hoffman
研究任务与主要进展
研究作者提出轻量级模型合并框架 Resolving Interference（RI），通过使专家模型在其他任务空间中功能正交，减少跨任务干扰。RI 仅使用未标注辅助数据，摘要报告其使现有模型合并方法性能最高提升 3.8%，对未见领域的泛化最高提升 2.3%，并对辅助输入来源及合并超参数调节更稳健；代码已公开。
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