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

Bo Li

ACL 2026KDD 2026多模态效率与系统可解释性多语言与语言学检索与知识
新星分新星
84
一作贡献80
核心/参与0
方向广度13
合作网络9
2 一作 · 2 篇 · ACL 2026 / KDD 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
一作ACL 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