两个模型之间插值：新方向还是老套路？

你能否把两个神经网络"混合"成一个新的？这个问题听起来像把两种颜色调色成第三种，但做起来远比想象中棘手。这篇来自FLX.ai的新文章提出的思路，让我觉得它可能触及了一个被长期忽视的痛点：模型集成与蒸馏的边界正在模糊。过去我们要么把参数做加权平均，要么用知识库做硬蒸馏，而"插值"把这两件事统一在了一个连续优化框架里。如果它真能在不增加训练成本的前提下提升泛化能力，那对推理部署的意义就不容小觑。不过话说回来，概念漂亮不等于落地有用——关键还得看它和传统加权模型平均、路径集成等方案的实际对比。值得持续关注，但先别急着喊革命。

原文：Interpolating Between Neural Networks · 来源：Hacker News