paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
HY

Haoqi Yang

ACL 2026效率与系统可解释性评测与基准
新星分新星
56
一作贡献30
核心/参与0
方向广度6
合作网络9
1 一作 · 1 篇 · ACL 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

1
一作ACL 2026Findings· Findings of ACL

Faster M o E LLM Inference for Extremely Large Models

Haoqi Yang · Luohe Shi · Qiwei Li · Zuchao Li · Ping Wang · Hao Huang · Hai Zhao

摘要

In fine-grained sparse Mixture-of-Experts (MoE) models, a large pool of specialized experts replaces a small homogeneous set, shifting performance and throughput to be governed by inference-time expert activation. Yet most existing optimization recipes implicitly assume a fixed activation budget...

效率与系统可解释性评测与基准OpenReview 项目页

常见合作者