#finetune后的模型参数，还可以继续怎么玩？
通过对不同下游任务的task vectors进行简单的计算，组合得到的新参数（构成一个线性子空间），可以扩展出更多的使用场景。
看到了一篇很有意思的paper，文章对预训练和finetune之后的模型参数之差（task vector = 两个weight按位相减）做了分析，发现了一些奇妙的用法：通过对不同下游任务的task vectors进行简单的计算，组合得到的新参数（构成一个线性子空间），可以扩展出更多的使用场景，如：功能抑制（遗忘），多任务学习，迁移学习。
Editing Models with Task Arithmetic：https://arxiv.org/abs/2212.04089
以下, 我们记task vector 为
我们可以构造一系列新的参数
也就是
显然，这可以让模型的效果变差，有多差呢？
作者用CLIP分别在八个下游任务上finetune，然后反向，并观察在ImageNet上zero-shot效果的变化。
同时，还对比了另外两种做法，一是把梯度下降改成梯度上升，也就是loss最大化，另一种是改变 τ\tau\tau 的方向，每一层随机一个方向（长度不变）。
结果非常amazing啊，取反后在目标任务上的平均效果有了明显的下降，但在ImageNet上只相对下降了不到5%，也就是实现了部分的遗忘（精准控制）。
上面是一个负面的用例，那这种方法有什么好的使用场景呢？文中也给了一个在text generation中降低文本恶意的例子，就好比先让模型学会骂人，再跟它说，刚才学的都是不对的。
把多个任务的task vector求加权和（，文中只做了简单相加）之后，可以得到能用于更多场景的组合vector。当然，和直接多任务最优化的效果还是有差异的（接近8个点），但好处是方便。
这些任务本身相关性不高。
而当任务之间有一定的相关性时，可能会够起到1+1>2的效果。
可以算是以finetune为抓手，沉淀多套模型，以参数赋能打出的组合拳。
最有意思的部分来了。众所周知，以word2vec为代表的（静态）词向量当年能够大火的原因之一是word analogy，也就是那个著名的例子：king - man + woman = queen。同理，如果两个任务有一定的共性，那么，是否可以通过构造特色特色来实现任务的迁移呢？
文中给了两个例子
1.
其中yelp和amazon是两个域，sent指的是情感分类任务，lm是在各自语料上finetune的语言模型。
2.
其中lion indoors（室内的狮子）的样本很少甚至没有，但是可以通过组合outdoor lion和indoor dog得到。
文中没有给出理论上的分析，这里仅做一些猜测。
文中使用的预训练模型基本都是transformer-based，可以粗略地理解为模式匹配+kv记忆。finetune强化了下游任务的模式敏感度（QK相似度提升），补充/加强了任务相关的特有记忆（FFN的近似查找敏感度提升)。这一部分增量是有一定的可加性的（激活函数会salient）。所以可以认为，task vector相当于特定任务神经元连接的加强，反之，也就是减弱，甚至抑制。而对于多任务场景，任务之间只要没有明显的冲突（夹角大于90度），相加不会有明显问题。
因为，所以，新的参数可以看成是原模型和finetune之后参数的插值。finetune时learning rate的选择对task vector的效果有一定影响。如果太大，新参数可能会跳到另一个局部最优点附近，而此时，并不能保证和pretrain model之间没有barrier（也就是不一定有mode connectivity），插值的参数可能不再是最优的。
文中只考虑了来自于同一个预训练模型的task vector之间的组合，那是否可以结合weight alignment一类的方法组合来自不同上游的vector呢？
task vector的可插拔性是它最大的优点，也就是说达到了一定程度上的模块化，可以组合出不同类型的下游任务，比如：结合1,3，如果只有英文toxic data，是否可以快速组合出低恶意的中文model呢。
同样是模型参数，为什么word embedding和entity embedding不能直接相加？因为task vector不是直接的参数，只是差分。
最后，再从实用的角度来说，虽然相比于直接finetune还是有一定差距，但是作为迁移任务的初始化参数可能是一个不错的选择。
