研究人员推出CoPre-MoE,一种新颖的多模态持续指令调优方法,旨在防止大型语言模型中的灾难性遗忘。该方法通过将重叠的专家功能整合到共享池中,并将特定任务的专家分解为共享基底和私有核心,来解决混合专家(MoE)架构中的参数冗余和线性增长问题。CoPre-MoE利用可学习的检索键来路由,以在整合新功能的同时保留历史知识,并在实验中展示了显著的性能提升和参数开销的减少。 AI
影响 该方法可以提高多模态LLM在顺序学习任务中的效率和能力保持。
排序理由 该集群包含一篇详细介绍LLM新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- CoPre-MoE
- DagsHub
- Gotit.pub
- Hugging Face
- Mixture-of-experts (MoE)
- Multimodal large language models
- ScienceCast
- ScienceQA
- TextVQA
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →