この記事では、複数のタスク性能を実現するために専門モデルを統合する「モデルマージ」の手法が紹介されています。既存の手法では、オフラインで高コストのマルチオブジェクティブ最適化を行い、パフォーマンスのトレードオフを調整しますが、そのプロセスはタスクが増えると指数関数的に複雑になります。本研究では、パラメータ空間の最適化からモデルの最終表現の直接的な修正に視点を転換し、最適な線形変換としてこの修正をモデル化する新しいアプローチを提案します。このアプローチは、オフライン最適化プロセスを単一ステップの計算に置き換え、ユーザーの好みを直接組み込むことを可能にします。実験結果からは、この手法がより精密な好みの整合性と著しく低い計算コストでSuperior Pareto frontを生成することが示されました。