English(EN) QA-Merging: Query-Adaptive Reasoning via Layer Selective Model Merging

QA-Merging框架实现LLM的查询自适应推理

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-18 04:00

研究人员开发了QA-Merging，一个用于大型语言模型查询自适应推理的新框架。该方法选择性地合并为长短推理链训练的模型层，从而无需重新训练即可高效适应查询复杂性。QA-Merging识别并校准推理模式分歧最大的层，降低计算成本，同时保持在各种基准测试中的性能。 AI

影响该方法通过减少简单查询的不必要计算，有望实现更高效、响应更快的LLM应用。

排序理由该集群包含一篇详细介绍LLM推理新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Zhaofeng Zhong, Wei Yuan, Tong Chen, Liang Qu, Xiangyu Zhao, Quoc Viet Hung Nguyen, Hongzhi Yin · 2026-08-18 04:00

QA-Merging：通过层选择性模型合并实现查询自适应推理

arXiv:2601.03506v2 Announce Type: replace-cross Abstract: Recent large reasoning models (LRMs) have achieved strong performance on complex reasoning tasks by generating a long chain-of-thought (Long-CoT). However, such lengthy reasoning is often unnecessary for simple queries, le…