DeltaMerge-LowRes adapte les encodeurs multilingues à de nouvelles langues et tâches en entraînant des deltas de langue et de tâche séparés qui sont recombinés dans l'espace des poids. La méthode apprend un delta de langue à partir de texte monolingue non étiqueté et un delta de tâche à partir de données anglaises étiquetées, en les composant via quatre règles incluant une nouvelle approche TIES inter-axe.
- Le TIES inter-axe améliore le chrF de résumé de +4 à +7 sur trois des quatre langues africaines par rapport aux références uniquement basées sur la tâche.
- La méthode augmente le F1 QA de +2,32 et l'EM de +2,91 sur toutes les cellules évaluées.
- Le fusionnement conscient de la parcimonie réduit l'ECE de classification de 36 % tout en maintenant une parité macro-F1.
La règle de composition modifie substantiellement ce que le modèle fusionné préserve, supprime et calibre, avec toutes les traces JSON et un registre des affirmations publiés.