Skip to content
Hot storiesContinuously updated

研究团队提出无数据模型融合方法CUSD

1 reports1 reporting sourcesUpdated 15 hours ago

Start here

AI overview

2026年11月4日，研究人员在 arXiv 发布研究，提出无数据模型预合并方法 CUSD。该方法通过将任务向量分解为共性与独有方向分量，利用下游算术算子合并共性分量，并单独保留独有残差。在覆盖 11 个基座模型、4 个模型家族和 4 种算术合并算子的实验测试中，CUSD 在 44 个组合中改善了 42 个，相较于基线最高实现 22.5% 的性能提升。目前相关代码已对外公开。

AI-generated from reports · Updated 15 hours ago

Latest developmentsNov 4 13:00
研究团队提出模型预合并方法CUSD，最高实现22.5%的性能提升，相关代码已公开。

Report timeline

Follow the reports to see different sides of the story.

Nov 4
  1. arXiv 机器学习
    分离共性与独有方向实现无数据模型合并

    研究人员提出无数据模型预合并方法 CUSD，通过将任务向量分解为共性与独有方向分量，用下游算术算子合并共性分量并单独保留独有残差。在覆盖 11 个基座模型、4 个模型家族和 4 种算术合并算子的实验中，CUSD 改善了 44 个组合中的 42 个，相比基线最高取得 22.5% 的性能提升，相关代码已公开。

Story heat trend

Current heat 7·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–

02.557.510Nov4Nov4Nov4Nov5

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.