论文提出Agent-Conditioned Routing：冻结MoE内实现多样化推理
热点事件持续更新
论文提出Agent-Conditioned Routing：冻结MoE内实现多样化推理
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Ananth Kalyanasundaram等作者在arXiv发布论文，提出Agent-Conditioned Routing（ACR）方法：在冻结的稀疏MoE模型上，为多条并行推理轨迹设置未经训练的共享/私有专家资格掩码，同时保留原有的token路由器，无需微调或模型副本。 作者称，在匹配输出预算下，ACR解决的问题数约为最强温度采样的两倍：GLM 5.3下为37.3对18.7，GPT-5.6 Sol下为45.00对27.00。掩码状态仅增加约160 KiB，延迟与显存峰值占用相比批量温度采样仍在3%以内。
AI 根据报道生成 · 59 分钟前更新
最新进展10月28日 12:00
Agent-Conditioned Routing：在单一冻结 MoE 模型内实现多样化推理路径报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AIAgent-Conditioned Routing：在单一冻结 MoE 模型内实现多样化推理路径
论文提出 Agent-Conditioned Routing（ACR），在冻结的稀疏 MoE 模型上为多条并行轨迹设置未经训练的共享/私有专家资格掩码，保留原 token 路由器，无需微调或模型副本。
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。