硬核数据：不是“快40%”，是“省37%时间”

为了验证Mashup Learning的有效性，研究团队在8个标准LLM基准测试、4种不同模型、两组历史checkpoint集合上进行了系统实验。

实验设置非常严谨：

● 模型：Gemma-3 4B、Gemma-3 1B、Gemma-2 2B、Mistral-7B-Instruct-v0.2

● 基准：8个常用的LLM评估数据集

● 对比对象：从预训练权重开始的常规微调

核心结果如下：

● 准确率提升：Mashup Learning在目标任务上的平均准确率提高了0.5–5个百分点

● 训练步数减少：要达到与从零训练相同的准确率，Mashup Learning需要的训练步数减少了41–46%

● 总耗时降低：最关键的是——在8个基准测试和特定模型组合下，计入检索合并开销后，达到相同准确率所需的总耗时最高可减少37%。

论文摘要中明确写道：“包括所有选择和合并开销在内，Mashup Learning匹配从零训练准确率所需的总耗时减少了高达37%。”