EDWARD-NMT 论文被 EMNLP 2026 录用

EDWARD-NMT 团队提出了一种基于混合专家（MoE）的编码器-解码器架构，旨在实现神经机器翻译模型的“一次训练，随处部署”。该模型的核心创新包括 Matryoshka 式弹性维度设计、自适应 sigmoid 路由器以及双重一致性训练目标，主要目的在于提升模型效率。 该研究成果已通过 arXiv 的 NLP 分类发布。根据 arXiv 页面显示的状态信息，该论文已被 EMNLP 2026 会议的 Findings 部分正式接收。

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。