DiDi-Merging 动态模型合并方法被 NeurIPS 2026 接收

提出 DiDi-Merging，通过可微秩选择和数据无关的参数空间精炼，在共享与专家参数间联合分配低秩容量。在八任务 ViT-B/32 基准上，小配置以单主干 1.24 倍存储达到 89.3% 平均准确率（98.7% 归一化保留率），中配置 1.4 倍存储达 89.8%；去除精炼会使中配置下降 4.3 个百分点。该方法已被 NeurIPS 2026 接收，代码已开源。