ESCal：用于多任务模型合并的错误子空间校准

ESCal 提出一种模型合并后的校准框架，通过专家模型与合并模型的权重差异识别低维错误子空间，并在中间块边界学习线性映射进行特征修正。实验显示，该方法在视觉和自然语言理解基准上，结合多种架构与合并方法均能提升合并模型性能，仅需为各任务使用少量校准数据。