新方法用两个微调模型提升分布偏移表现

研究者 Antoni Buades 与 Jose-Lisani 提出 Barycentric Anchored Search，一种事后权重空间方法，用于提升分布偏移下的视觉模型表现。据其论文，该方法无需额外梯度训练，也不增加推理开销，仅需两个微调 checkpoint 即可完成模型合并。 该方法属于模型合并方向，目标是在不重新训练的前提下改善微调模型在分布偏移场景中的鲁棒性。论文未在摘要中给出具体数据集或性能提升数值。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。