본 논문은 다양한 구조와 작업을 가진 훈련된 단일 작업 모델들을 자동으로 융합하여 다중 작업 모델을 형성하는 효율적인 다중 작업 모델링 방법을 제안합니다. 기존의 다중 작업 모델링 방법들이 특정 작업 조합에 맞춰 모델을 디자인해야 하는 번거로움을 갖는 것과 달리, 본 논문에서 제안하는 방법은 사전 훈련된 단일 작업 모델들을 준비하는 것만으로 다중 작업 모델을 구축할 수 있도록 합니다. 여러 모델의 구조적 차이를 고려하여 모델 분해 기법을 사용하여 모델을 여러 작동 가능한 구성 요소로 계층적으로 분해하고, Transformer 기반의 적응적 지식 융합(AKF) 모듈을 통해 작업 내 및 작업 간 지식을 적응적으로 통합합니다. 세 가지 데이터셋에 대한 실험을 통해 제안된 방법의 효율성과 효과를 검증하였습니다.
