在论文《Superposition of many models into one》中，来自UC伯克利和BAIR等机构的研究者提出一种在一组参数中存储多个模型的方法。模型可以重叠共存，也可以单独检索。用神经网络进行的实验表明，大量模型可以有效地存储在单个参数实例中。此外，这些模型中的每一个都可以经历数千个训练步，而不会显著干扰叠加中的其他模型。这种方法可以被视为模型压缩的在线补充