DuplexTune MoE适配框架发布
热点事件持续更新
DuplexTune MoE适配框架发布
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Paul Raj 等人于 2026 年 10 月 28 日发布 arXiv 论文，提出 DuplexTune 框架。该框架专门用于 MoE 模型的自适应耦合状态回放，旨在优化大模型在推理过程中的显存占用与吞吐量表现。 在 Qwen1.5-MoE-A2.7B 模型上，该框架通过训练宽度桥接两个残差流至骨干网络，并保持路由权重冻结。其桥梁预热过程先于骨干自适应进行，从而实现了高效的状态回放与适配机制。 评测显示，该方案使峰值显存降至 38.8 GB，吞吐量提升至 25.1 samples/s。模型在 MMLU、GSM8K 等基准上表现良好，但多语言得分弱于带检查点的基线模型，存在一定局限。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
DuplexTune：用于 MoE 自适应耦合状态回放框架报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · AIDuplexTune：用于 MoE 自适应耦合状态回放框架
DuplexTune 提出耦合状态回放框架，在 Qwen1.5-MoE-A2.7B 上峰值显存降至 38.8 GB，吞吐提升至 25.1 samples/s。 该框架通过训练宽度桥接两个残差流至骨干网络，路由权重保持冻结，且桥梁预热先于骨干自适应。 模型在 MMLU 达 67.2%，GSM8K 达 75.6%，MT-Bench 7.69 分，但多语言得分弱于带检查点的基线。
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。