AdaMMS: Modellfusion für heterogene multimodale Large Language Models mit unüberwachter Koeffizientenoptimierung

AdaMMS: Model Merging for Heterogeneous Multimodal Large Language Models with Unsupervised Coefficient Optimization

March 31, 2025

Autoren: Yiyang Du, Xiaochen Wang, Chi Chen, Jiabo Ye, Yiru Wang, Peng Li, Ming Yan, Ji Zhang, Fei Huang, Zhifang Sui, Maosong Sun, Yang Liu

cs.AI

Zusammenfassung

Kürzlich haben Modellzusammenführungsmethoden ihre Stärken bei der Kombination von Fähigkeiten in verschiedenen Aufgaben aus mehreren Large Language Models (LLMs) unter Beweis gestellt. Während sich frühere Modellzusammenführungsmethoden hauptsächlich auf die Zusammenführung homogener Modelle mit identischer Architektur konzentrierten, stoßen sie auf Herausforderungen, wenn sie mit Multimodalen Large Language Models (MLLMs) umgehen, die inhärente heterogene Eigenschaften aufweisen, einschließlich Unterschieden in der Modellarchitektur und Asymmetrien im Parameterraum. In dieser Arbeit schlagen wir AdaMMS vor, eine neuartige Modellzusammenführungsmethode, die speziell für heterogene MLLMs entwickelt wurde. Unsere Methode bewältigt die Herausforderungen in drei Schritten: Mapping, Zusammenführung und Suche. Konkret entwerfen wir zunächst eine Mapping-Funktion zwischen Modellen, um die Modellzusammenführung auf MLLMs mit unterschiedlicher Architektur anzuwenden. Dann wenden wir eine lineare Interpolation auf die Modellgewichte an, um die Asymmetrie in den heterogenen MLLMs aktiv anzupassen. Schließlich schlagen wir im Schritt der Hyperparameter-Suche eine unüberwachte Methode zur Auswahl von Hyperparametern für die Modellzusammenführung vor. Als erste Modellzusammenführungsmethode, die in der Lage ist, heterogene MLLMs ohne beschriftete Daten zusammenzuführen, zeigen umfangreiche Experimente mit verschiedenen Modellkombinationen, dass AdaMMS frühere Modellzusammenführungsmethoden auf verschiedenen Vision-Language-Benchmarks übertrifft.

English

Recently, model merging methods have demonstrated powerful strengths in combining abilities on various tasks from multiple Large Language Models (LLMs). While previous model merging methods mainly focus on merging homogeneous models with identical architecture, they meet challenges when dealing with Multimodal Large Language Models (MLLMs) with inherent heterogeneous property, including differences in model architecture and the asymmetry in the parameter space. In this work, we propose AdaMMS, a novel model merging method tailored for heterogeneous MLLMs. Our method tackles the challenges in three steps: mapping, merging and searching. Specifically, we first design mapping function between models to apply model merging on MLLMs with different architecture. Then we apply linear interpolation on model weights to actively adapt the asymmetry in the heterogeneous MLLMs. Finally in the hyper-parameter searching step, we propose an unsupervised hyper-parameter selection method for model merging. As the first model merging method capable of merging heterogeneous MLLMs without labeled data, extensive experiments on various model combinations demonstrated that AdaMMS outperforms previous model merging methods on various vision-language benchmarks.