Regularización espectral en forma cerrada para fusión de modelos multitarea
Descubre cómo SWUDI resuelve la fusión de modelos multitarea con regularización espectral cerrada, acelerando 28-72x sin datos de entrenamiento.
#fusión de modelos
Calibración sin entrenamiento para MoE: evitando ruptura de enrutamiento
Descubre cómo HARC corrige la ruptura de enrutamiento en MoE fusionados sin entrenamiento, usando curvatura hessiana. Ideal para razonamiento y código.
GFFMERGE: Fusión eficiente de campos de fuerza con GNN
Acelera tus simulaciones atomísticas con GFFMERGE, la fusión eficiente de modelos GNN. Logra hasta 27x de velocidad sin reentrenamiento.
ES-Merging: Fusión de MLLM biológicos mediante señales de embedding
ES-Merging fusiona modelos multimodales biológicos usando señales de embedding, mejorando razonamiento cruzado y preservación.
Fusión de modelos con conciencia de prominencia
Descubre cómo SA-Merging fusiona modelos de IA usando saliencia para evitar interferencias y mejorar el rendimiento multitarea. Optimiza tus modelos sin datos adicionales.
Desentrañando la interferencia LoRA: subespacios ortogonales para fusión robusta de modelos
Descubre cómo OSRM resuelve la interferencia entre tareas al fusionar modelos LoRA, mejorando el rendimiento multitarea sin perder precisión individual. Una solución plug-and-play.
Más allá de la clasificación: enrutamiento dinámico en recuperación multimodal
Descubre cómo el enrutamiento dinámico de adaptadores mejora la recuperación multimodal continua, superando métodos tradicionales. Ideal para IA y visión.