人們通常會拿大模型加上自己的訓練資料打造屬於自己的模型 若看到別人的模型很好想要類似的功能，需要拿到對方的資料 訓練在自己的模型上，而且還要考慮「災難性遺忘」 訓練時還需要同步加上幾筆自己的資料～有點麻煩

截圖 2025-09-10 下午5.44.34.png

merging可以不需要對方的資料也不需要考慮遺忘

問題是：類神經網路的參數是可以這樣加減嗎？（可以）

截圖 2025-09-10 下午5.48.50.png

前提是來自相同的foundation model

截圖 2025-09-10 下午5.51.36.png

上圖一個是防禦機制很強的模型 一個是會講中文 合併之後不論中英文詢問盜取密碼的方法都不會破防

截圖 2025-09-10 下午5.51.36.png

此方法在LLaMA3也通用韓日文也可以通用

截圖 2025-09-10 下午5.55.27.png

寫程式的＋很會評價的模型。很會看圖很會看圖＋會評價模型

也可以使用在相減的模型（應用在沒辦法說髒話）

截圖 2025-09-10 下午5.59.11.png

也可以應用在類比的模型

截圖 2025-09-10 下午6.00.41.png

在沒有taskＤ的情況下學習taskＤ

只要拿ＡＢ相減，Ｃ＋（B-A）的資料，可以得到Ｄ

截圖 2025-09-10 下午6.04.12.png