FlexMoE 多预算专家剪枝框架获 NeurIPS 2026 录用
热点事件持续更新
FlexMoE 多预算专家剪枝框架获 NeurIPS 2026 录用
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026 年 11 月 19 日,arXiv 上发布了一篇由 Fan Mo 等人撰写的新论文,正式披露了 FlexMoE 框架。该工作明确标注已被 NeurIPS 2026 会议录用,将以海报(poster)形式展示,标志着这一研究在顶级学术舞台上的正式亮相。 FlexMoE 是一个针对大规模混合专家(MoE)模型设计的训练后专家剪枝框架。其核心机制是通过重要性排序构建可切片的共享权重空间,从而将大模型转化为多个子网络。这一设计允许单次训练即可生成适用于不同计算预算的剪枝掩码,解决了传统方法中需要为每种配置重新训练的痛点。 在 Qwen2-57B-A14B 模型上的实验结果验证了该方法的有效性。当剪去 50% 的路由专家参数时,模型仍能保留约 99.8% 的基础性能。这表明 FlexMoE 在大幅压缩模型复杂度的同时,能极大程度地维持精度,为实现灵活且高效的 MoE 部署提供了切实可行的路径。
AI 根据报道生成 · 11 小时前更新
最新进展11月19日 13:00
FlexMoE 学习面向多预算的一体化专家剪枝,实现灵活 MoE 部署报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · MLFlexMoE 学习面向多预算的一体化专家剪枝,实现灵活 MoE 部署
FlexMoE 提出训练后多预算专家剪枝框架,将大型 MoE 模型转化为共享权重的子网络族。 该框架通过重要性排序专家 FFN 通道构建可切片权重空间,单次训练即可生成各预算下的剪枝掩码;在 Qwen2-57B-A14B 上剪枝 50% 路由专家参数后,保留约 99.8% 的基础性能。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月19日 15:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0011月20日
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。