COMPASS：对齐或合并前的模型兼容性评估

2026年10月14日，arXiv Artificial Intelligence 报道，Fabian Gröger、Petar Damjanović、Maria Brbić 提出 COMPASS（COMPatibility ASsessment Score），一种在对齐或合并之前评估模型对是否兼容的诊断方法。该研究将兼容性拆解为两个低成本指标：基于 k-NN 重叠的配对易度与训练范式上限。研究者在 72 组跨模态对齐实验和 392 次任务算术模型合并中验证该方法，称 COMPASS 的兼容性估计与下游成功率高度相关，平均 Pearson 相关系数分别为 0.91 和 0.70。目前报道仅涉及该方法的提出与实验验证，未提及实际部署或后续应用进展。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。