任务向量（Task Vector）

Editing Models with Task Arithmetic 这篇论文的核心一步：微调得到的权重差被当成可加可减的对象，同一基座加上它就带上那个任务，减掉它就削弱那个任务。这一篇把「差」变成了可以搬运的东西。

生产方式：AI 生成AI 生成，仅供参考签发：晓黎学习复核：2026年11月8日被 4 个词条引用

合并路线的第一篇：权重差被当成一个可加可减的任务向量，同一基座加上它就带上那个任务，减掉它就削弱那个任务。这一篇的意义在于「差」第一次成为可搬运的对象。本课只核到摘要，加减的具体配方与逐任务读数未取。见 模型合并、基座。

课同时把风险钉在同基座这一格：同基座只保证加法在数值上有意义，不保证两路任务在同一批参数上不打架。案例读数（教学虚构）里两路差相加总分与单训差不多，养老子集却几乎掉回基座，这就是「相消」的形状。下一格 TIES 处理的正是这件事。见 TIES-Merging、DARE。

互链

链接来自概念卡正文里的双链，编译时能解到本期词条集的才成为站内链接。

反链（4）

出现在哪些课时里（1）

判据与「课时正文里能不能点出来」是同一个：那一节确实提到了它。点课时走当前页跳转， 它是导航，不是词条链接。

关联图

只画这一条与它直接相连的词条，边与上面两区同源。可拖拽、可缩放，点节点是新标签。

以列表方式看这 7 个节点

出处

路径是本地知识库（Obsidian 库）里的位置，正文与概念卡逐字对应。

  • 课程正文用法归纳不训新能力，也能把能力搬进小模型packages/db/prisma/lesson-content/distill-and-merge.md
  • 课程正文用法归纳课程派生词条 · 模型训练与后训练

编译入库：2026年11月2日。词条由知识库编译而来， 修正要回到概念卡改，再重新编译。