Buchumschlag

Model Merging: Foundations and Algorithms

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Crisostomi, Donato
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Model Merging Improves Zero-Shot Generalization in Bioacoustic Foundation Models
von: Marincione, Davide, et al.
Veröffentlicht: (2025)

ATM: Improving Model Merging by Alternating Tuning and Merging
von: Zhou, Luca, et al.
Veröffentlicht: (2024)

Mergenetic: a Simple Evolutionary Model Merging Library
von: Minut, Adrian Robert, et al.
Veröffentlicht: (2025)

MERGE$^3$: Efficient Evolutionary Merging on Consumer-grade GPUs
von: Mencattini, Tommaso, et al.
Veröffentlicht: (2025)

Language Models are Injective and Hence Invertible
von: Nikolaou, Giorgos, et al.
Veröffentlicht: (2025)

Metric Based Few-Shot Graph Classification
von: Crisostomi, Donato, et al.
Veröffentlicht: (2022)

Multi-Way Representation Alignment
von: Achara, Akshit, et al.
Veröffentlicht: (2026)

On Task Vectors and Gradients
von: Zhou, Luca, et al.
Veröffentlicht: (2025)

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

$C^2M^3$: Cycle-Consistent Multi-Model Merging
von: Crisostomi, Donato, et al.
Veröffentlicht: (2024)

Bayesian Model Merging
von: Li, Kaiyang, et al.
Veröffentlicht: (2026)

FW-Merging: Scaling Model Merging with Frank-Wolfe Optimization
von: Chen, Hao Mark, et al.
Veröffentlicht: (2025)

PSO-Merging: Merging Models Based on Particle Swarm Optimization
von: Zhang, Kehao, et al.
Veröffentlicht: (2025)

Merging Smarter, Generalizing Better: Enhancing Model Merging on OOD Data
von: Zhang, Bingjie, et al.
Veröffentlicht: (2025)

Decom-Renorm-Merge: Model Merging on the Right Space Improves Multitasking
von: Chaichana, Yuatyong, et al.
Veröffentlicht: (2025)

Model Merging in the Essential Subspace
von: Li, Longhua, et al.
Veröffentlicht: (2026)

Implicit Inversion turns CLIP into a Decoder
von: D'Orazio, Antonio, et al.
Veröffentlicht: (2025)

CAT Merging: A Training-Free Approach for Resolving Conflicts in Model Merging
von: Sun, Wenju, et al.
Veröffentlicht: (2025)

MergeMix: Optimizing Mid-Training Data Mixtures via Learnable Model Merging
von: Wang, Jiapeng, et al.
Veröffentlicht: (2026)

BD-Merging: Bias-Aware Dynamic Model Merging with Evidence-Guided Contrastive Learning
von: Xie, Yuhan, et al.
Veröffentlicht: (2026)

Sparsity-Aware Evolution for Model Merging
von: Zhang, Huan, et al.
Veröffentlicht: (2026)

Training-free Heterogeneous Model Merging
von: Xu, Zhengqi, et al.
Veröffentlicht: (2024)

Multi-Level Collaboration in Model Merging
von: Li, Qi, et al.
Veröffentlicht: (2025)

Revisiting Weight Averaging for Model Merging
von: Choi, Jiho, et al.
Veröffentlicht: (2024)

Fine, I'll Merge It Myself: A Multi-Fidelity Framework for Automated Model Merging
von: Su, Guinan, et al.
Veröffentlicht: (2025)

Causal Algorithmic Recourse: Foundations and Methods
von: Plecko, Drago, et al.
Veröffentlicht: (2026)

Agnostic Reinforcement Learning: Foundations and Algorithms
von: Li, Gene
Veröffentlicht: (2025)

MergeIT: From Selection to Merging for Efficient Instruction Tuning
von: Cai, Hongyi, et al.
Veröffentlicht: (2025)

Superpose Task-specific Features for Model Merging
von: Qiu, Haiquan, et al.
Veröffentlicht: (2025)

Non-Uniform Parameter-Wise Model Merging
von: Camacho, Albert Manuel Orozco, et al.
Veröffentlicht: (2024)

Vanishing Feature: Diagnosing Model Merging and Beyond
von: Qu, Xingyu, et al.
Veröffentlicht: (2024)

Merge to Mix: Mixing Datasets via Model Merging
von: Tao, Zhixu Silvia, et al.
Veröffentlicht: (2025)

NegMerge: Sign-Consensual Weight Merging for Machine Unlearning
von: Kim, Hyo Seo, et al.
Veröffentlicht: (2024)

Model Merging on Loss Landscape: A Geometry Perspective
von: Lu, Juanwu, et al.
Veröffentlicht: (2026)

FeatCal: Feature Calibration for Post-Merging Models
von: Gu, Yanggan, et al.
Veröffentlicht: (2026)

Unlocking the Potential of Continual Model Merging: An ODE Perspective
von: Lin, Lihong, et al.
Veröffentlicht: (2026)

SimMerge: Learning to Select Merge Operators from Similarity Signals
von: Bolton, Oliver, et al.
Veröffentlicht: (2026)

ES-Merging: Biological MLLM Merging via Embedding Space Signals
von: Lee, Wonbin, et al.
Veröffentlicht: (2026)

Toward a Holistic Approach to Continual Model Merging
von: Phan, Hoang, et al.
Veröffentlicht: (2025)

ToMA: Token Merge with Attention for Diffusion Models
von: Lu, Wenbo, et al.
Veröffentlicht: (2025)