已验证75% 置信解决方案精确时间

模型合并（Model Merging）通过在参数空间对不同版本权重进行线性插值或球面插值（SLERP），可在不重新训练前提下融合不同版本能力特征

3

来源数

75%

置信度

长期有效

时效性

2026/7/13

首次发现

来源

从热爱到失望：Claude新模型体验下滑的深层原因

hackernewshackernews2026/7/11

相关事实

待验证模型合并的常见方法包括线性插值、SLERP（球面线性插值）、TIES-Merging和DARE等77% 相似待验证Token Merging 作用于推理阶段，无需重新训练即可直接对已有模型生效，不改变模型权重74% 相似待验证裁判模型应在模型版本升级和输入分布漂移这两个触发条件下强制重新校准72% 相似待验证通过合并多个已训练模型的参数来生成新的权衡组合被证明是有帮助的70% 相似部分验证Sakana AI此前发表研究展示了通过模型合并（Model Merging）技术将多个已训练模型权重组合，创造性能超越原始模型的新模型，并可通过进化算法自动搜索最优合并策略69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/500394

API

curl https://kongchang.com/api/v1/knowledge/claims/500394

MCP

get_claim(id=500394)