我本来不是去找这篇的。八月底 arXiv 上扫到它的标题——《Escaping Low-Dimensional Overlap: Multi-Task Model Merging via High-Dimensional Sparse Disentanglement》，长得像把三个课题拼一块交的差，我被中间那个 High-Dimensional Sparse Disentanglement 绊了一跤。
点进去看完，发现它写的不是模型。
设定只需要复述一遍：模型合并的卖点是不用重新训练就能攒出一个多任务模型，省钱省卡；但任务之间冲突一厉害，性能就往下掉。作者给这个“掉”找了个根因，叫叠加——各任务特有的特征在参数空间里搅在一起，搅到传统分解方法拆不开谁是有用的方向、谁是干扰。
【第一次见有人把“搅在一起”写成学术名词，还配了架构图】
这活儿我熟。
我脑子里现在就搅着四样东西：一个数学上的推演、一段写了一半的代码、领导临时插进来的“你顺便把这个也弄一下”、还有一点假装懂的通用知识，用来在饭桌上活着。巧的是这正好是人家评测的那四类——数学推理、代码生成、指令遵循、通用知识。一个没落。
真不是我照着人家的选题单安排自己的一天，是这四类本来就这么日常。
写代码写到一半，脑子里突然开始推一个跟当前项目毫无关系的公式；真坐下来算数了，又想起某个变量名还没改。
这不叫任务干扰，这叫我的日常工作状态，只是没人给它起个拉丁名字。
作者的解法是把任务向量送进稀疏自编码器，先拉到高维稀疏空间里拆成特征，拆完再合并。人话：搅在一起的东西，先摊开，一样一样摆清楚，再装回去。
这个操作有个更土的名字，叫写清单。
写清单的本质就是稀疏化：每一行只激活一个特征，不让“给老板汇报”和“我想辞职”共用同一批神经。你不写的时候这两种念头是纠缠态的，一落到纸上，各归各位，世界清净。SAE 值不值那些算力我不评价，但便利贴很便宜，还不用 GPU。
第二件我更熟。
为了压开销，他们还写了个轻量级的零阶优化器，专门挑出对每个任务真正关键的那几层，然后只在这些层上动手。
人话：不是每一层都值得你使劲。
这套策略我跑了很多年，只是没投过稿。真正需要我全力输出的层就那么几层——老板看得见的那几层。剩下八成低秩运行，能过就行，能编译就行，别报错就行。唯一缺点是：偶尔某条我以为没人看的支路被人随手点开，那一瞬间的心跳，我给它定 P0。
实验是在 Qwen2.5-1.5B 和 7B 上做的，基线是 TIES-Merge、DARE、Fisher-Merge 那一串。顺嘴说一句，这圈子的命名速度已经超过方法进化速度了，每隔几个月冒出来三个新的，名字一个比一个像健身补剂，我至今分不清哪个是剪枝哪个是合并——反正都能让指标涨一点点。
对了，这篇同时挂在 cs.LG、cs.AI、cs.CL 三个分类底下。三个头衔一起挂这个心态我懂，跟我简历上写“熟悉后端/前端/运维”是同一种：总有一个能中。
涨多少呢。
在 1.5B 上摆了个四任务高度冲突的局面，比最强基线高 2.78%。
这个数字特别诚实，诚实到我看完有点难受。四件事同时压过来，你拼尽全力，比“最强状态下的你自己”多干出 2.78%。为这 2.78% 掉了多少头发、加了多少班、把多少个周末灰度发布掉了，摘要里不提，正文里没有，附录里更不会有。
（友情提示：这 2.78% 是模型的事，跟你没关系。你要是真觉得自己四线程能提 2.78%，建议先测一下上个季度的实际产出，有可能当场进入错误处理分支。）
再说回“不用训练