实体
Model Soup
Model Soup
PulseAugur coverage of Model Soup — every cluster mentioning Model Soup across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的搜索方法提高了视觉模型对分布变化的鲁棒性
研究人员开发了一种名为重心锚定权重搜索（Barycentric Anchored Weight Search）的新后处理程序，用于改进微调后的视觉模型。该方法旨在提高模型对分布变化的鲁棒性，而无需额外的梯度训练或增加推理成本。通过构建重心候选权重并执行无导数搜索，该程序使用来自分布外数据的验证反馈来调整合并，其性能优于模型汤（Model Soup）和模型库（Model Stock）等现有方法。
-
Qwen3-0.6B 模型通过数据整理和模型融合在 MS MARCO 排行榜上达到 SOTA
研究人员已经证明，轻量级的 Qwen3-0.6B 模型可以通过以数据为中心的策略而非架构更改，在 MS MARCO 基准测试中实现具有竞争力的段落排名性能。其成功的关键在于语料库定向预训练、严格的数据整理、硬负例挖掘以及训练-推理分布对齐等技术。该研究特别强调了“模型融合”（一种权重合并技术）在显著提升性能的同时保持推理效率方面的有效性。
-
模型合并无需重新训练即可增强对话式搜索 · 跟踪 2 个来源
研究人员推出了一种新颖的无需训练的策略，通过合并现有模型来改进对话式信息检索。该方法利用 Model Soup 和 Slerp 等技术，旨在创建一个能够同时在即席和对话场景中有效运行的单一检索模型，而无需进一步微调。实验表明，这种模型合并显著提升了对话式检索器的即席搜索能力，在零样本条件下 NDCG@3 提高了高达 15%，并增强了跨不同数据集的泛化能力。