Neues Verfahren: OTMF fusioniert Aufgabenmodelle ohne Wissenverlust
In der Forschung zur künstlichen Intelligenz gewinnt die Kombination mehrerer, für unterschiedliche Aufgaben feintuned Modelle zu einem einzigen, vielseitigen System zunehmend an Bedeutung. Traditionelle Methoden, die Parameter direkt im Gewichtespace interpolieren, führen jedoch zu erheblichen Verschiebungen der Featureverteilung und gefährden die spezifische Aufgabenkenntnis.
