研究者提出激活混合FFN设计MoA，论文获NeurIPS 2026接收
热点事件持续更新
研究者提出激活混合FFN设计MoA，论文获NeurIPS 2026接收
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
Mingze Wang等论文作者提出Mixture of Activations（MoA），一种token自适应的前馈网络（FFN）设计：用轻量的输入相关门控混合一个激活函数字典，同时共享相同的线性投影；论文已被NeurIPS 2026接收（arXiv:2605.26647）。 作者还提出输入无关的可学习激活（LA）方法，与MoA一同构成提升前馈层表达能力的方案。
AI 根据报道生成 · 1 小时前更新
最新进展11月5日 13:00
提升前馈层表达能力（上）：Token 自适应的激活混合方法 MoA报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.AI提升前馈层表达能力（上）：Token 自适应的激活混合方法 MoA
一篇 NeurIPS 2026 论文提出 Mixture of Activations（MoA），一种 token 自适应的 FFN 设计，用轻量输入相关门控混合激活函数字典，共享线性投影；同时提出输入无关的可学习激活（LA）。
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。