English(EN) Matching the Training-Time Weight Rule in Inference-Time Expert Deactivation

新研究探讨了大型语言模型中的专家停用，揭示了其性能影响

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-05 05:00

研究人员调查了在推理过程中停用大型语言模型中专家的方法，发现该方法显著影响性能。他们的研究比较了四种停用技术——移除、冻结、剩余专家重整化和未重整化重路由——在各种指令调整模型上的表现。研究结果表明，保留训练时权重规则至关重要，因为不匹配可能导致困惑度急剧增加，某些情况下的增加幅度是基线数千倍。具体而言，在OLMoE基准测试中，所有测试的停用方法在严格匹配准确率上均降至零。 AI

影响这项研究可以为更高效的大型语言模型推理策略提供信息，可能降低计算成本并提高性能。

排序理由该集群包含一篇在arXiv上发表的研究论文，详细介绍了大型语言模型推理技术的新发现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

本文如何被排名

Signal score: 26 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇在arXiv上发表的研究论文，详细介绍了大型语言模型推理技术的新发现。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Hao Cheng (Zhejiang Gongshang University), Zhiyu Yang (Chang'an University), Bo Ma (Zhejiang Gongshang University), Hanzhang Jia (University of Sussex) · 2026-11-05 05:00

在推理时失活专家时匹配训练时的权重规则

arXiv:2611.05804v1 Announce Type: cross Abstract: Expert deactivation at inference time changes both token routing and expert weights, and its effect on performance depends on how these changes are implemented. We compare removal, freezing, remaining-expert renormalization, and u…

本文如何被排名

报道来源 [1]

在推理时失活专家时匹配训练时的权重规则

相关实体

相关话题