PW-Pruning语音全模态专家剪枝方法
热点事件持续更新
PW-Pruning语音全模态专家剪枝方法
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月21日，Junjie Cao等人在arXiv发布PW-Pruning方法，这是一种针对语音中心全模态模型的相位感知专家剪枝技术。 该方法作为DO-ACP的扩展，通过为声学前置阶段和文本生成阶段分别构建独立的加权核，结合相位加权的log-determinant边际增益，最终选定单一静态专家库。 在Qwen3-Omni模型测试中，PW-Pruning保留每层32/128个专家，经微调后MMAU-mini和MMSU准确率较池化选择分别提升3.20和4.38个百分点。
AI 根据报道生成 · 2 小时前更新
最新进展10月21日 12:00
PW-Pruning：语音中心全模态模型的相位感知专家剪枝报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv · AIPW-Pruning：语音中心全模态模型的相位感知专家剪枝
PW-Pruning 为语音中心全模态模型提出了相位感知的专家剪枝方法，通过构建声学前置与文本生成阶段独立的加权核，选出单一静态专家库。 该方法在 Qwen3-Omni 上保留每层 32/128 个专家，经微调后 MMAU-mini 和 MMSU 准确率较池化选择分别提升 3.20 和 4.38 个百分点。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。