跳到正文
热点事件持续更新

研究揭示Mixture-of-Experts模型剪枝对低资源立陶宛语的侵蚀

1 篇报道1 个报道来源23 小时前更新

先了解这件事

AI 综述

2026年11月，一项发表于一手来源ML（cs.lg）领域的研究发布，该研究通过REAP技术对四个混合专家（Mixture-of-Experts）模型进行剪枝。研究指出，英语校准未能有效迁移至低资源语言立陶宛语，导致该语言的阅读理解性能大幅下降。 数据对比显示，在25%的剪枝比例下，立陶宛语成绩中位数下跌21.4点，而英语仅下跌1.7点。进一步分析发现，层末路由显示立陶宛语55%-72%的专家选择集中在少数专家上，这使得立陶宛语能力极易被英语校准过程剔除，凸显了高资源语言对低资源语言在模型优化中的不对称影响。

AI 根据报道生成 · 22 小时前更新

最新进展11月6日 13:00
专家剪枝混合专家模型中英语校准侵蚀立陶宛语能力的研究

报道时间线

沿着报道，了解事件的不同侧面。

11月6日
  1. arXiv · ML
    专家剪枝混合专家模型中英语校准侵蚀立陶宛语能力的研究

    研究通过 REAP 技术剪枝四个 Mixture-of-Experts 模型发现，英语校准未能有效迁移至低资源立陶宛语，导致其阅读理解性能大幅下降。 25% 剪枝比例下，立陶宛语成绩中位数下跌 21.4 点，而英语仅下跌 1.7 点；层末路由分析显示，立陶宛语 55-72% 的专家选择集中在少数专家上，易被英语校准剔除。

本事件热度走势

可比范围当前
5
可比范围峰值
911月6日 15:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。