热点事件持续更新

免训练框架TempoMoE实现多模态推理效率优化

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20日，Xiyue Zhang等人在arXiv NLP（cs.CL）方向发表研究成果，提出TempoMoE免训练两阶段框架。该框架通过快慢思考专家路由调控，实现难度自适应的推理深度控制。

AI 根据报道生成 · 2 小时前更新

最新进展10月20日 12:00

沿着报道，了解事件的不同侧面。

10月20日

12:00
arXiv · NLP
TempoMoE: 通过快慢思考专家路由调控实现多模态推理效率优化
TempoMoE 提出免训练两阶段框架，通过快慢思考专家路由调控实现难度自适应推理深度控制。在 Kimi-VL、Qwen3-VL 和 ERNIE-4.5-VL 上评测，TempoMoE 相比 Vanilla 基线准确率提升最高 2.6 个点，输出 token 减少最高 35.4%。该方法通过抑制快慢专家改变 CoT 长度，在降低 token 成本与延迟的同时提升多模态任务准确率。

还没有足够的连续观测数据，暂不绘制趋势。