待验证50% 置信事实精确时间

Fisher Merging利用Fisher信息矩阵对不同参数赋予重要性权重，偏向于保留对各模型性能贡献更大的参数

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

Fisher Mergingconcept

相关事实

待验证Fisher信息矩阵度量模型参数对输出分布的敏感程度，某个参数的Fisher值越高，改变它对输出的影响就越大79% 相似待验证基于Fisher加权的合并方法（如Fisher Merging）给对输出分布贡献更大的参数赋予更高权重，而非对所有参数等权平均，其计算通常依赖少量校准数据77% 相似待验证多模态能力需要额外的参数和结构来编码不同类型的信息，进一步推高模型体积67% 相似待验证模型能力的提升由算力投入、数据规模、算法改进三者叠加带来复合式的能力跃升66% 相似已验证推理时计算在模型参数固定的前提下，通过在推理阶段投入更多计算资源来改善输出质量65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/987798

API

curl https://kongchang.com/api/v1/knowledge/claims/987798

MCP

get_claim(id=987798)