Il prossimoProssima guida
Fusione del modello evolutivo AI Sakana
Aziende
GUIDA TECNICA
Some model-merging methods combine compatible fine-tuned checkpoints using weight-space arithmetic without additional gradient training or access to original training data.
Ascolta questa guidaNarrato dall'IA · ~2 min
Results depend on architecture, tokenizer, base checkpoint, merge recipe, and evaluation; merging does not guarantee that capabilities combine cleanly.
Model merging combines parameters from trained models, often by averaging weights or manipulating task vectors—the difference between a fine-tuned checkpoint and its base model. Methods such as task arithmetic, TIES, and DARE can produce a merged checkpoint without rerunning gradient training or using the original training set. Many methods assume matching architectures, parameter layouts, and compatible base models. TIES trims small changes, resolves sign conflicts, and merges aligned updates; DARE randomly drops and rescales task-vector entries before merging. These procedures can reduce some forms of interference, but they do not guarantee a stronger model: task performance can degrade, and merge coefficients or checkpoint compatibility require testing. Evaluate the exact merged artifact on each intended task and retain provenance and licenses for all inputs.
Combinando un modello ottimizzato per la codifica con un modello ottimizzato per la chat in modo che un LLM scriva codice e conversi in modo naturale, senza riqualificazione.
Esperimenti di fusione evolutiva che hanno combinato un modello di lingua giapponese con un modello matematico inglese per produrre un potente risolutore matematico in lingua giapponese.
Sottrazione di un vettore di attività di "tossicità" dai pesi di un modello per ridurre i risultati dannosi senza raccogliere nuovi dati sulla sicurezza.
Unione di diversi adattatori LoRA addestrati su diversi stili di scrittura in un unico modello in grado di cambiare tono in modo flessibile.
Aspettatevi che la fusione diventi una parte standard del modello di “catene di fornitura”. Gli hub ospitano già migliaia di checkpoint unibili e strumenti come mergekit rendono le ricette condivisibili. La ricerca si sta muovendo verso la ricerca di unione automatizzata (algoritmi evolutivi che scelgono i rapporti di fusione a livello di livello), l'unione di architetture leggermente diverse e l'unione al volo di componenti di miscela di esperti. Man mano che proliferano le ottimizzazioni aperte, la fusione offre un modo quasi libero per comporre capacità, anche se la licenza e la provenienza dei modelli uniti richiederanno standard più chiari.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
Some model-merging methods combine compatible fine-tuned checkpoints using weight-space arithmetic without additional gradient training or access to original training data. Results depend on architecture, tokenizer, base checkpoint, merge recipe, and evaluation; merging does not guarantee that capabilities combine cleanly.
L'unione dei modelli opera direttamente sui pesi/parametri appresi dei modelli, fondendoli in un unico set, anziché combinare dati o output di runtime.
Some merging methods combine compatible fine-tuned checkpoints with weight-space arithmetic, without additional gradient training or the original training data.
TIES trims small changes and resolves sign conflicts before merging aligned updates. DARE randomly drops task-vector entries and rescales those retained; it does not use TIES’s sign-consensus step.
Task arithmetic combines model deltas relative to a base checkpoint using selected coefficients; the resulting model still needs evaluation.
The TIES paper describes Trim, Elect Sign, and Merge as steps for reducing interference among task vectors.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Fusione del modello evolutivo AI Sakana
Aziende