研究人员推出DLLG，一个用于动态集成多个专业大型语言模型（LLM）的新框架。该方法学习在token-by-token的基础上，仅使用稀疏的响应级监督，在logit级别融合专家LLM。DLLG在各种基准测试和模型规模上持续优于现有的路由、启发式集成和参数合并等方法。 AI
影响 引入了一种结合专业LLM的新方法，有可能提高复杂任务的性能和适应性。
排序理由 这是一篇描述LLM集成新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.04378v1 Announce Type: new Abstract: Leveraging multiple specialized LLMs can combine complementary strengths, but existing approaches trade adaptability for stability: routing commits prematurely, heuristic ensembling depends on fragile proxies, and parameter merging …
Leveraging multiple specialized LLMs can combine complementary strengths, but existing approaches trade adaptability for stability: routing commits prematurely, heuristic ensembling depends on fragile proxies, and parameter merging introduces interference. We propose DLLG (Dynami…