待验证50% 置信事实精确时间

任务向量方法（Task Arithmetic）将微调模型与基础模型的参数差值视为任务向量，通过向量加减在参数空间中组合多个任务能力

1

来源数

50%

置信度

长期有效

时效性

2026/10/8

首次发现

来源

SLOA：无需训练的Transformer模型融合新方法

涉及实体

Task Arithmeticconcept

相关事实

待验证任务专用模型可以把更多参数用于目标任务，而通用大模型需要在数以万计的任务、领域和语言之间分配参数容量79% 相似待验证在特定编程任务中经场景化优化的专用模型往往比通用旗舰模型更好用，参数规模与垂直任务表现无线性对应关系76% 相似已验证典型的分层路由逻辑将简单任务分给小型廉价模型，中等任务分给中端模型，复杂任务分给旗舰级模型76% 相似待验证循环次数可以在推理阶段动态调整，使同一模型根据任务难度按需分配计算量75% 相似已验证分层模型策略本质是将推理算力按任务复杂度动态分配，轻量模型推理速度可达旗舰模型的5-10倍，成本低至十分之一74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/987796

API

curl https://kongchang.com/api/v1/knowledge/claims/987796

MCP

get_claim(id=987796)