RanDeS：随机化增量超叠加用于多模型压缩

本研究解决了多模型压缩中的任务干扰问题，提出了一种创新的压缩和检索方案，通过随机正交变换来去相关化模型参数，从而降低干扰并提升性能。该方法在视觉和语言任务中均显著改善了效果，并且可以灵活地添加或移除模型，支持高效的多模型服务。