모델 수프(가중치 평균)
훈련 경로상의 여러 체크포인트를 가중치 평균하거나 탐욕적 선택 방식으로 합성하여 단일 모델의 정확도를 높이는 기법이다. WiSE-FT와는 달리 경로상의 여러 지점을 평균하므로 도메인 편향으로 치우칠 위험이 있다. 본문에서는 greedy soup가 인-도메인 성능을 더 끌어올렸지만 Fashion200k OOD 성능은 떨어지는 사례로 제시되었다.