PulseAugur
中
实时 03:22:46
English(EN) SARA: Unlocking Multilingual Knowledge in Mixture-of-Experts via Semantically Anchored Routing Alignment

SARA框架增强了混合专家模型中的多语言能力

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出了一种名为SARA（Semantically Anchored Routing Alignment，语义锚定路由对齐）的新框架，旨在提高混合专家（MoE）模型在低资源语言上的性能。SARA解决了低资源语言的token经常被路由到与高资源语言不同专家的问题，阻碍了跨语言知识共享。通过使用Jensen-Shannon散度约束，SARA对齐了MoE层的内部路由分布，促进了跨语言的专家选择一致性。实验表明，SARA在Qwen3-30B-A3B和Phi-3.5-MoE-instruct等模型上提升了性能，为增强稀疏架构的多语言能力提供了一种可扩展的方法。 AI

影响 增强了稀疏AI架构的多语言能力，有望提高低资源语言的性能。

排序理由 该集群描述了一篇详细介绍用于改进AI模型的新颖框架的研究论文。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

SARA框架增强了混合专家模型中的多语言能力

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Tianyu Dong, Yangyang Liu, Jiang Zhou, Xinwei Wu, Xiaohu Zhao, Hao Wang, Heng Liu, Linlong Xu, Longyue Wang, Weihua Luo, Shaolin Zhu, Deyi Xiong ·

    SARA：通过语义锚定路由对齐解锁专家混合模型中的多语言知识

    arXiv:2606.25821v1 Announce Type: new Abstract: Sparse Mixture-of-Experts (MoE) architectures have emerged as an increasingly influential paradigm as they offer a strategic balance between parameter scalability and computational efficiency. However, low-resource languages, which …

  2. arXiv cs.AI TIER_1 English(EN) · Deyi Xiong ·

    SARA：通过语义锚定路由对齐解锁专家混合模型中的多语言知识

    Sparse Mixture-of-Experts (MoE) architectures have emerged as an increasingly influential paradigm as they offer a strategic balance between parameter scalability and computational efficiency. However, low-resource languages, which suffer from a scarcity of high-quality training …

相关实体

相关话题