AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:SiM×
6月23日
10:46
10:46arXiv cs.LG@Jungyong Son, Jinwook Jung, Sungyong Baik
SiM通过奇异值分解(SVD)为每个任务构建低秩流形,利用测试输入特征在任务流形上的投影残差进行无训练路由。仅需每个任务32个样本的支撑集即可离线预计算流形,合并过程无需额外数据。在计算机视觉和自然语言处理基准上,任务未知推理场景下SiM显著提升合并模型性能,持续缩小与独立专家模型的差距。该方法无需存储完整专家参数,兼容子空间/掩码合并。
论文SiM多任务模型合并无训练路由模型合并SVD

推荐理由:这篇论文提出了SiM方法,不用额外训练就能动态路由多任务模型,只用少量样本预计算,效果逼近独立专家。
原文
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
精选全部日报登录