DeltaMerge-LowRes adapta codificadores multilingües a nuevos idiomas y tareas entrenando deltas de idioma y tarea por separado que se recombinan en el espacio de pesos. El método aprende un delta de idioma a partir de texto monolingüe no etiquetado y un delta de tarea a partir de datos en inglés etiquetados, componiéndolos mediante cuatro reglas que incluyen un nuevo enfoque de TIES transversal.
- TIES transversal mejora el chrF de resumen en +4 a +7 en tres de los cuatro idiomas africanos en comparación con las líneas base solo de tarea.
- El método aumenta la F1 de QA en +2.32 y la EM en +2.91 en todas las celdas evaluadas.
- La fusión consciente de la dispersión reduce el ECE de clasificación en un 36 % mientras mantiene la paridad macro-F1.
La regla de composición cambia materialmente lo que el modelo fusionado preserva, suprime y calibra; se han publicado todos los rastros JSON y un libro de reclamaciones.