DeltaMerge-LowRes mengadaptasi encoder multibahasa ke bahasa dan tugas baru dengan melatih delta bahasa dan delta tugas terpisah yang digabungkan kembali dalam ruang bobot. Metode ini mempelajari delta bahasa dari teks monolingual tanpa label dan delta tugas dari data berbahasa Inggris berlabel, menggabungkannya melalui empat aturan termasuk pendekatan TIES sumbu silang yang baru.
- TIES sumbu silas meningkatkan chrF ringkasan sebesar +4 hingga +7 pada tiga dari empat bahasa Afrika dibandingkan dengan baseline hanya-tugas.
- Metode ini meningkatkan F1 QA sebesar +2.32 dan EM sebesar +2.91 di seluruh sel yang dievaluasi.
- Penggabungan sadar kelangkaan mengurangi ECE klasifikasi sebesar 36% sambil mempertahankan kesetaraan macro-F1.
Aturan komposisi secara material mengubah apa yang dipertahankan, ditekan, dan dikalibrasi oleh model yang digabungkan, dengan semua jejak JSON dan buku klaim dirilis.