提出 CIRA-MoE 框架解决多模态持续微调问题
热点事件持续更新
提出 CIRA-MoE 框架解决多模态持续微调问题
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
针对多模态大语言模型在持续指令微调中易遗忘历史知识且忽视任务异质性的问题,研究人员 Mengxin Qin 等人于 2026 年 11 月 19 日发布论文,提出了 CIRA-MoE(Coverage-Calibrated Expert Injection and Residual Arbitration)框架。该研究通过可学习的阈值路由推导专家接受度边界,旨在提供统一的覆盖信号以优化自适应专家编排。 目前该成果已作为面向非均匀适应的多模态持续指令微调方法在 arXiv 公开,具体实验验证与部署情况尚待后续报道确认。
AI 根据报道生成 · 13 小时前更新
最新进展11月19日 13:00
面向非均匀适应的多模态持续指令微调:自适应专家编排报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · 机器人与计算机视觉面向非均匀适应的多模态持续指令微调:自适应专家编排
该研究针对多模态大语言模型在多模态持续指令微调中易遗忘历史知识且忽视任务间异质性的问题,提出Coverage-Calibrated Expert Injection and Residual Arbitration框架(CIRA-MoE)。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月19日 15:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0011月20日02:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。