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

Xiang Liu

ACL 2026CVPR 2026多模态效率与系统对齐与偏好可解释性
新星分贡献者
43
一作贡献0
核心/参与17
方向广度11
合作网络3
0 一作 · 2 篇 · ACL 2026 / CVPR 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

2
作者位次 #2/8ACL 2026Poster· ACL Industry Track

Mixture of Heterogeneous Grouped Experts for Language Modeling

Zhicheng Ma · Xiang Liu · Zhaoxiang Liu · Ning Wang · Yi Shen · Kai Wang · Shuming Shi · Shiguo Lian

摘要

Large Language Models (LLMs) based on Mixture-of-Experts (MoE) are pivotal in industrial applications for their ability to scale performance efficiently. However, standard MoEs enforce uniform expert sizes, creating a rigidity that fails to align computational costs with varying token-level compl...

效率与系统对齐与偏好可解释性OpenReview 项目页

常见合作者