Buchumschlag

DivMerge: A divergence-based model merging method for multi-tasking

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Touayouch, Brahim, Fosse, Loïc, Damnati, Géraldine, Lecorvé, Gwénolé
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Statistical Deficiency for Task Inclusion Estimation
von: Fosse, Loïc, et al.
Veröffentlicht: (2025)

TelcoLM: collecting data, adapting, and benchmarking language models for the telecommunication domain
von: Barboule, Camille, et al.
Veröffentlicht: (2024)

Factual Knowledge in Language Models: Robustness and Anomalies under Simple Temporal Context Variations
von: Khodja, Hichem Ammar, et al.
Veröffentlicht: (2025)

Constrained latent state modeling: A unifying perspective on representation learning under competing constraints
von: Quellec, Gwenolé
Veröffentlicht: (2026)

O_FT@EvalLLM2025 : étude comparative de choix de données et de stratégies d'apprentissage pour l'adaptation de modèles de langue à un domaine
von: Rousseau, Ismaël, et al.
Veröffentlicht: (2025)

A linguistically-motivated evaluation methodology for unraveling model's abilities in reading comprehension tasks
von: Antoine, Elie, et al.
Veröffentlicht: (2025)

Regularising NARX models with multi-task learning
von: Bee, Sarah, et al.
Veröffentlicht: (2025)

Emotion Identification for French in Written Texts: Considering their Modes of Expression as a Step Towards Text Complexity Analysis
von: Étienne, Aline, et al.
Veröffentlicht: (2024)

Adaptive multi-gradient methods for quasiconvex vector optimization and applications to multi-task learning
von: Minh, Nguyen Anh, et al.
Veröffentlicht: (2024)

DivIL: Unveiling and Addressing Over-Invariance for Out-of- Distribution Generalization
von: Wang, Jiaqi, et al.
Veröffentlicht: (2025)

Training-free LLM Merging for Multi-task Learning
von: Fu, Zichuan, et al.
Veröffentlicht: (2025)

Low-rank bias, weight decay, and model merging in neural networks
von: Kuzborskij, Ilja, et al.
Veröffentlicht: (2025)

DivControl: Knowledge Diversion for Controllable Image Generation
von: Xie, Yucheng, et al.
Veröffentlicht: (2025)

DivPrune: Diversity-based Visual Token Pruning for Large Multimodal Models
von: Alvar, Saeed Ranjbar, et al.
Veröffentlicht: (2025)

NeighborDiv: Training-free Zero-shot Generalist Graph Anomaly Detection via Neighbor Diversity
von: Wei, Kaifeng, et al.
Veröffentlicht: (2026)

A high-accuracy multi-model mixing retrosynthetic method
von: Xiang, Shang, et al.
Veröffentlicht: (2024)

How does the optimizer implicitly bias the model merging loss landscape?
von: Zhang, Chenxiang, et al.
Veröffentlicht: (2025)

Beyond Overcorrection: Evaluating Diversity in T2I Models with DivBench
von: Friedrich, Felix, et al.
Veröffentlicht: (2025)

Minimizing robust density power-based divergences for general parametric density models
von: Okuno, Akifumi
Veröffentlicht: (2023)

LaTiM: Longitudinal representation learning in continuous-time models to predict disease progression
von: Zeghlache, Rachid, et al.
Veröffentlicht: (2024)

DivQAT: Enhancing Robustness of Quantized Convolutional Neural Networks against Model Extraction Attacks
von: Khaled, Kacem, et al.
Veröffentlicht: (2025)

Joint auto-encoders: a flexible multi-task learning framework
von: Epstein, Baruch, et al.
Veröffentlicht: (2017)

Do different prompting methods yield a common task representation in language models?
von: Davidson, Guy, et al.
Veröffentlicht: (2025)

DivLogicEval: A Framework for Benchmarking Logical Reasoning Evaluation in Large Language Models
von: Chung, Tsz Ting, et al.
Veröffentlicht: (2025)

Coreset selection for the Sinkhorn divergence and generic smooth divergences
von: Kokot, Alex, et al.
Veröffentlicht: (2025)

MergeBench: A Benchmark for Merging Domain-Specialized LLMs
von: He, Yifei, et al.
Veröffentlicht: (2025)

Inductive biases of multi-task learning and finetuning: multiple regimes of feature reuse
von: Lippl, Samuel, et al.
Veröffentlicht: (2023)

Causal vs. Anticausal merging of predictors
von: Mejia, Sergio Hernan Garrido, et al.
Veröffentlicht: (2025)

To See a World in a Spark of Neuron: Disentangling Multi-task Interference for Training-free Model Merging
von: Fang, Zitao, et al.
Veröffentlicht: (2025)

Cross-talk based multi-task learning for fault classification of machine system influenced by multiple variables
von: Yi, Wonjun, et al.
Veröffentlicht: (2026)

Neuroplasticity-inspired dynamic ANNs for multi-task demand forecasting
von: Żarski, Mateusz, et al.
Veröffentlicht: (2025)

Robust multi-task boosting using clustering and local ensembling
von: Emami, Seyedsaman, et al.
Veröffentlicht: (2026)

Estimating the number of household TV profiles based in customer behaviour using Gaussian mixture model averaging
von: Palma, Gabriel R., et al.
Veröffentlicht: (2025)

Winner-Take-All bottlenecks enforce disentangled symbolic representations in multi-task learning
von: Gutheil, Julian, et al.
Veröffentlicht: (2026)

FedMerge: Federated Personalization via Model Merging
von: Chen, Shutong, et al.
Veröffentlicht: (2025)

MIN-Merging: Merge the Important Neurons for Model Merging
von: Liang, Yunfei
Veröffentlicht: (2025)

Rethinking Weight-Averaged Model-merging
von: Wang, Hu, et al.
Veröffentlicht: (2024)

Learning task-specific predictive models for scientific computing
von: Yin, Jianyuan, et al.
Veröffentlicht: (2025)

A comprehensive and easy-to-use multi-domain multi-task medical imaging meta-dataset
von: Woerner, Stefano, et al.
Veröffentlicht: (2024)

Rethinking Layer-wise Model Merging through Chain of Merges
von: Buzzega, Pietro, et al.
Veröffentlicht: (2025)