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

Junyang Wang

ACL 2026ICLR 2026评测与基准强化学习与后训练效率与系统可解释性
新星分贡献者
39
一作贡献0
核心/参与10
方向广度11
合作网络6
0 一作 · 2 篇 · ACL 2026 / ICLR 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 #3/5ACL 2026Findings· Findings of ACL

L ight M o E : Task-Aware Expert Availability Management for Memory-Efficient M o E - LLM Inference

Puhan Luo · Yunhao Yao · Junyang Wang · Junyang Zhang · Xiang-Yang Li

摘要

Mixture-of-Experts (MoE) models offer a promising path for scaling model capacity, yet their massive memory footprint poses significant challenges for deployment on resource-constrained edge devices. Existing solutions, such as static pruning or dynamic offloading, often struggle to balance model...

效率与系统可解释性评测与基准OpenReview 项目页

常见合作者