DeltaMerge-LowRes адаптирует многоязычные энкодеры к новым языкам и задачам путём обучения отдельных языковых и задачных дельт, которые затем комбинируются в пространстве весов. Метод обучает языковую дельту на немаркированном моноязычном тексте и задачную дельту на размеченных английских данных, комбинируя их по четырём правилам, включая новый подход кросс-осевого TIES.
- Кросс-осевой TIES улучшает chrF для суммаризации на +4 до +7 для трёх из четырёх африканских языков по сравнению с базовыми вариантами только по задаче.
- Метод увеличивает QA F1 на +2.32 и EM на +2.91 во всех оценённых ячейках.
- Слияние, учитывающее разреженность, снижает ECE для классификации на 36%, сохраняя паритет по макро-F1.
Правило композиции существенно меняет то, что сохраняет, подавляет и калибрует объединённая модель; все JSON-трейсы и реестр утверждений опубликованы.