AdaMMS: Объединение моделей для гетерогенных мультимодальных больших языковых моделей с неконтролируемой оптимизацией коэффициентов

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

March 31, 2025

Авторы: 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

Аннотация

В последнее время методы объединения моделей продемонстрировали значительные возможности в комбинировании навыков для выполнения различных задач на основе нескольких крупных языковых моделей (LLM). В то время как предыдущие методы объединения моделей в основном сосредоточены на объединении однородных моделей с идентичной архитектурой, они сталкиваются с трудностями при работе с мультимодальными крупными языковыми моделями (MLLM), которые обладают внутренней гетерогенностью, включая различия в архитектуре моделей и асимметрию в пространстве параметров. В данной работе мы предлагаем AdaMMS — новый метод объединения моделей, адаптированный для гетерогенных MLLM. Наш метод решает эти задачи в три этапа: отображение, объединение и поиск. В частности, мы сначала разрабатываем функцию отображения между моделями, чтобы применить объединение моделей к MLLM с различной архитектурой. Затем мы применяем линейную интерполяцию к весам моделей для активной адаптации к асимметрии в гетерогенных MLLM. Наконец, на этапе поиска гиперпараметров мы предлагаем неконтролируемый метод выбора гиперпараметров для объединения моделей. Будучи первым методом объединения моделей, способным объединять гетерогенные MLLM без использования размеченных данных, обширные эксперименты на различных комбинациях моделей показали, что AdaMMS превосходит предыдущие методы объединения моделей на различных бенчмарках для задач обработки визуальной и текстовой информации.

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.