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

Chuan Wu

ACL 2026效率与系统多模态可解释性
新星分贡献者
28
一作贡献0
核心/参与12
方向广度6
合作网络0
0 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
作者位次 #2/3ACL 2026Poster· Natural Language Processing

MACS : Modality-Aware Capacity Scaling for Efficient Multimodal M o E Inference

Bo Li · Chuan Wu · Shaolin Zhu

摘要

Mixture-of-Experts Multimodal Large Language Models (MoE MLLMs) suffer from a significant efficiency bottleneck during Expert Parallelism (EP) inference due to the straggler effect. This issue is worsened in the multimodal context, as existing token-count-based load balancing methods fail to addr...

效率与系统多模态可解释性OpenReview 项目页

常见合作者