热点事件持续更新
SLIM：最少评测优化大模型合并系数
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026年10月3日，arXiv cs.LG 分类发布研究，提出 Simplex-Lattice Interpolation Merging（SLIM）方法，用于优化大模型合并系数。该方法通过经典混料设计，在系数单纯形上构建聚合性能的二次代理模型；仅需评测单个专家模型和等权配对即可确定该代理，之后无需再对目标指标进行评测，即可优化合并系数。报道称其目标是以最少评测完成大模型合并系数的优化。
AI 根据报道生成 · 1 小时前更新
最新进展10月3日 12:00
SLIM 提出用混料设计构建二次代理，仅需评测单模型与等权配对即可优化合并系数。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）SLIM：单纯形格点插值合并，用最少评测优化大模型合并系数
研究者提出 Simplex-Lattice Interpolation Merging（SLIM），通过经典混料设计在系数单纯形上构建聚合性能的二次代理模型，仅需评测单个专家模型和等权配对即可确定该代理，之后无需再做目标指标评测即可优化合并系数。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。