ACR方法提升冻结模型推理多样性

2026年10月28日，研究者团队提出Agent-Conditioned Routing（ACR）方法。该方案在冻结的混合专家（MoE）模型中，通过专家掩码机制实现多样化推理路径，无需训练模型权重。 在基准测试中，ACR展现出显著优势。在GLM 5.3模型上，ACR覆盖的独特方法数达37.3，约为最强温度采样设置（18.7）的两倍；在GPT-5.6 Sol模型上，该数值进一步提升至45.00。 该方法具有极高的计算效率，仅增加约160 KiB的掩码状态。其延迟与峰值显存占用与常规温度采样持平。相关学术论文已被NeurIPS 2026 Workshop接收。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。