CRDTMergeState: Un'Architettura a Due Strati per la Fusione di Reti Neurali Senza Conflitti

Uno studio recente pubblicato su arXiv (2605.19373v1) indica che nessuna delle 26 tecniche di fusione di reti neurali valutate—tra cui weight averaging, SLERP, TIES, DARE, Fisher merging e metodi evolutivi—soddisfa le proprietà algebriche necessarie (commutatività, associatività, idempotenza) per operazioni distribuite senza conflitti. I ricercatori dimostrano che questo problema è strutturale, poiché le fusioni basate su normalizzazione non possono soddisfare tutte e tre le proprietà simultaneamente. Per risolvere ciò, introducono CRDTMergeState, un framework a due strati che incapsula qualsiasi strategia di fusione all'interno di un livello di Tipo di Dato Replicato Senza Conflitti (CRDT). Il primo strato utilizza la semantica CRDT OR-Set per gestire i contributi, garantendo commutatività, associatività e idempotenza banali attraverso l'unione di insiemi. Il secondo strato impiega funzioni pure deterministiche per la fusione su un insieme di contributi ordinato canonicamente, con casualità derivata dalla radice di Merkle. Gli autori stabiliscono che questa separazione garantisce la Consistenza Eventuale Forte, consentendo a tutte le repliche che ricevono aggiornamenti identici di convergere sullo stesso stato. Questa ricerca pone le basi formali per la fusione di modelli di reti neurali distribuiti.