研究人员开发了一种新的以神经元为中心的模型融合方法，解决了独立训练的神经网络中表示发散带来的挑战。该方法将融合视为一个表示匹配问题，对齐模型间的中间神经元以近似目标表示。它结合了神经元归因分数来优先考虑显著特征，并适用于各种架构，尤其在零样本和非独立同分布（non-IID）数据场景下表现出显著的改进。 AI
排序理由 该集群包含一篇详细介绍新型模型融合方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2507.00037v2 Announce Type: replace-cross Abstract: Model fusion seeks to combine independently trained neural networks into a single model without retraining, but is complicated by representational divergence arising from permutation invariance, random initialization, and …