多模态大模型合并（Model Merging）的最大痛点，一直是短板效应——合并后的模型总在弱势任务上拖后腿。最新 arXiv 论文提出 AgentPatch，用粗到细两阶段修复策略精准补齐弱任务，让合并模型的综合性能再上一个台阶。
多模态大模型合并是近两年最受关注的低成本路线之一。把多个擅长不同任务的模型合并成一个，不用重新训练，就能获得"全能型"模型——这在算力昂贵的当下，显得格外诱人。
但这条路有一个绕不开的痛点。短板效应。
合并后的模型，强项可能更强，但弱项往往被进一步拉低——因为参数被"平均"时，弱势任务的知识被稀释了。过去很多方法都在"怎么平均"上做文章：加权、剪枝、插值。方向是对的，但粒度太粗。
参数平均 / 加权 / 插值——简单直接但粗暴，弱任务知识被稀释，短板依旧。
先诊断、再手术——粗粒度找弱任务，细粒度修权重，精准补齐短板。
注：传统合并的代表方法包括权重平均、TIES-Merging、Task Arithmetic 等；AgentPatch 的核心差异在于引入了"任务感知"的修复环节。
AgentPatch 的思路很直接：与其在合并时一刀切，不如先搞清楚"哪里弱"，再针对性地修。
整个流程分两步：
粗粒度阶段，用一组覆盖不同能力的评估任务跑一遍合并后的模型，找出表现最差的几个弱任务。这一层解决的是"哪里弱"的问题。
细粒度阶段，针对这些弱任务，定位到模型中贡献最大的权重子集，做局部修复——而不是对全部参数动刀。
一个关键设计：修复过程是任务感知的。每个弱任务对应一组特定的权重路径，修复只作用于这些路径，不会干扰模型在其他任务上的既有优势。
这相当于给合并模型做了一次"靶向治疗"。
论文在 12 个主流多模态基准上验证了 AgentPatch 的效果，覆盖视觉问答、跨模态推理、文档理解等核心能力维度。
注：数据引自论文实验。"弱任务成功率"指合并模型在粗粒度评估中得分最低的若干任务上的平均成功率。
值得注意的一点：弱任务成功率的提升幅度（23 个百分点）远高于平均性能提升（4.2%）——这说明 AgentPatch 确实在"补短板"，而不是简单地"拉高均值"。
如果只是平均提升，那可能是强项带动的；但弱任务的大幅跃升，说明修复动作真正落在了痛点位置。
模型合并被寄予厚望，因为它能打破"训练大模型=烧钱"的定律——用已有的模型组合出更强的模型。但传统合并方法有一个隐含假设：所有参数对最终结果同等重要。
这个假设在单一任务上勉强成立，在多任务、多模型合并时就会失效——不同模型擅长不同任务，简单平均必然互相干扰。
AgentPatch 的意义在于，它把"合并"从数学操作升级为"诊断+手术"：先评估，再定位，最后精准修复。
一个诚实的注脚：AgentPatch 并非万能。它需要额外的评估开销来识别弱任务，且修复效果依赖弱任务与权重路径之间的对应关系是否清晰。对于那些高度纠缠、难以定位的任务，修复效果可能有限。
模型合并的下半场，拼的不是"怎么平均"，而是"怎么诊断"。谁能在合并前精准定位弱任务、在合并中精准修复，谁就能让"多模型合一"真正走向实用。
已在 arXiv 公开，检索 "AgentPatch: Coarse-to-Fine Weak-Task Repair" 即可查看技术细节与完整实验数据。
arXiv 检索 AgentPatch