AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:原型重分配×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
5月29日
13:06
13:06arXiv: DeepSeek@Yilun Yao, Jiaming Pan, Elsie Dai, Peizhuang Cong, Yaoming Li, Tong Yang
ConMoE提出了一种新的MoE模型压缩方法,通过原型重分配将原始专家映射到保留的少量原型专家上,无需权重更新或微调。该方法将压缩视为专家池整合,利用校准数据选择贡献大且可替换性高的专家作为原型,并支持跨层共享。在deepseek-moe-16b-base、Qwen3-30B-A3B和OLMoE-1B-7B-0125三个模型上,ConMoE在25%和50%专家缩减下均达到或超越现有剪枝与合并方法。实验表明确定性重分配是最稳定的组件,而跨层共享和权重融合效果依赖具体模型。这项工作为部署MoE模型提供了低成本的压缩方案。
论文MoE压缩原型重分配无需微调专家池整合模型部署

推荐理由:MoE模型部署内存瓶颈的团队终于有了无需微调的压缩方案——ConMoE通过原型重分配直接减少专家数量,做模型推理优化的开发者可以试试这个即插即用的方法。
原文
精选全部日报登录