研究人员开发了一种名为Multi-Ratio ConceptMoE的新型模型架构,该架构允许单个模型在对话的多轮中以不同的计算预算运行。该方法在共享骨干网中使用2、4和8的token到concept压缩比,从而实现灵活的计算分配。该模型在PTBench和SFTBench等基准测试中展示了改进的准确性-计算权衡,并在CodeChat和CoSQL等任务上显著减少了与在独立模型之间路由相比的FLOPs。 AI
影响 通过动态调整每轮的计算预算,实现更高效的LLM推理,从而可能降低成本并提高对话式AI的性能。
排序理由 该集群包含一篇详细介绍新模型架构的研究论文。[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 →