热点事件历史事件
DecoMoE提升多模态MoE推理效率
1 篇报道1 个报道来源3 天前更新
先了解这件事
AI 综述
2026年9月30日，arXiv发布论文介绍DecoMoE，旨在降低多模态混合专家（MoE）模型的推理开销。论文提出两项机制：通过Sample-Adaptive Visual Boundary压缩视觉传播，通过Routing-Calibrated Expert Prefix压缩专家计算。研究在Qwen3-VL-MoE和InternVL3.5-30B-A3B上开展了六项基准评测，报道聚焦于这两种机制对多模态MoE推理效率的优化。当前报道未提供具体性能或开销变化数据。
AI 根据报道生成 · 1 天前更新
最新进展9月30日 10:46
论文发布DecoMoE，并在两种多模态MoE模型上完成六项基准评测。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv · 多模态、视频与世界模型DecoMoE 通过解耦视觉传播与专家计算降低多模态 MoE 推理开销
论文提出 DecoMoE，通过 Sample-Adaptive Visual Boundary 和 Routing-Calibrated Expert Prefix 分别压缩视觉传播与专家计算，并在 Qwen3-VL-MoE 和 InternVL3.5-30B-A3B 上进行六项基准评测。