이러한 아이디어를 바탕으로 Ilharco 34 는 초기 작업 벡터 기반 방법 중 하나인 작업 연산(task arithmetic) 을 제안했습니다 . 이 프레임워크에서 작업 벡터는 가산 요소로 취급됩니다. 사전 학습된 모델에서 시작하여 다른 미세 조정된 모델의 작업 벡터를 추가하면 학습된 능력이 전달될 것으로 예상됩니다. 개념적으로 간단하고 매력적이지만, 이러한 단순한 덧셈은 뉴런 간의 크기와 부호의 충돌을 간과하는 경우가 많았습니다. 결과적으로 여러 작업 벡터를 적용하면 매개변수가 일관되지 않은 방향으로 이동하여 전반적인 성능이 저하될 수 있습니다.