fusion_bench

一站式评估和实现深度模型融合，快速对比多种融合算法效果

FusionBench 是一个专注于深度模型融合的综合性基准测试与工具包。它解决了深度学习领域中多个独立训练模型如何高效、有效地融合成一个更强大模型的问题，旨在系统化评估和促进模型融合技术的发展。项目提供了统一的框架和丰富的算法实现，涵盖权重平均、模型集成、知识蒸馏等多种融合策略，并支持在图像分类、自然语言处理等任务上进行标准化评测。其核心能力包括：提供可复现的实验环境、多种预训练模型和数据集接口、以及详细的性能对比分析，帮助研究者和工程师快速理解并应用模型融合技术，从而提升模型性能、鲁棒性或实现模型压缩。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 240

维护状态维护中

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队tanganke

所属国家

官网地址https://tanganke.github.io/fusion_bench

GitHubhttps://github.com/tanganke/fusion_bench

定价模式free

价格说明开源工具包，MIT 许可证，完全免费，无付费版本。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型deep-neural-networks,fusion-bench,large-language-models,machine-learning-algorithms,model-ensemble,model-fusion,model-merging,model-mixing,model-upscaling,multi-tasking

GitHub 星标★ 240

30天Star增速

HF 下载量

上线时间2024-05-13 00:00:00

最近更新2026-09-11 00:00:00

维护状态维护中

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

核心亮点

提供统一的模型融合基准测试框架，便于公平对比不同算法
内置多种主流融合算法实现，开箱即用，降低研究门槛
支持多种任务和数据集，扩展性强，便于自定义实验

不足之处

项目尚处早期，社区贡献和案例积累有限
部分高级融合算法可能未覆盖，需自行扩展
文档/社区待观察

适用场景

研究模型融合算法效果对比，快速搭建实验
工程中需要融合多个模型以提升性能或鲁棒性
教学或学习深度模型融合技术，作为参考实现

替代项目

torchdistill、Model Soups、DABS

项目介绍

fusion_bench 是评测安全领域的开源项目，由 tanganke 开发，2024 年首次发布。

它收录于评测安全分类，该分类目前共有 466 个项目，GitHub 星标数为 240。

项目仍在小幅维护中，最近一次代码更新于 2026-09-11。MIT 许可证，完全免费，无付费版本。

它主要面向的使用场景是：研究模型融合算法效果对比，快速搭建实验。同类可对比的替代方案包括 torchdistill、Model Soups、DABS。

上一篇：Video-MME-v2

下一篇：Omni-SafetyBench