19:02
官方一手arXiv: DeepSeek@Rongfeng Wang, Shichao Weng, Zhiqiang Wang, Xinyu Liu, Yang Yi, Peilong Zhou, Hongwei Tang
精选73°
推荐理由：MetaNet让MoE模型根据任务难度动态分配专家，大幅减少计算量同时保持准确率。
专家分配
共 1 条相关 AI 资讯
8月28日
19:02
MetaNet提出了一种支持集控制器，可为每层预测专家保留阈值和有界路由偏差。在DeepSeek-MoE-16B-Chat模型上，保守设置激活专家数减少40%，MMLU准确率0.489；激进设置激活专家减少62%，准确率下降3.7个百分点。MMLU训练的控制器无需重训即可迁移到C-Eval，激活专家减少52%，准确率达0.386。