Ir para o conteúdo

Radar ·

MoE-CL para ajuste contínuo de instruções

Artigo publicado em 6 de outubro de 2025 propõe um framework MoE-CL para continual instruction tuning e relata avaliações nos benchmarks MTL5 e Tencent3, além de um teste A/B no Tencent. O resumo disponível não informa resultados quantitativos.

Publicado em 6 de outubro de 2025, o artigo propõe o MoE-CL, um framework de mixture-of-experts com eficiência de parâmetros para continual instruction tuning. A abordagem combina experts LoRA específicos por tarefa e compartilhados com um discriminador ciente da tarefa, visando lidar com o esquecimento catastrófico ao adaptar modelos de linguagem a tarefas em mudança.

O resumo relata avaliações nos benchmarks MTL5 e Tencent3 e um teste A/B no Tencent, mas não fornece resultados detalhados ou quantitativos. Para conferir o alcance das conclusões, consulte o artigo original e verifique os métodos, as métricas e os resultados completos. Se usar IA para estudar ou aplicar o trabalho, evite enviar dados pessoais ou documentos confidenciais sem autorização e confira as políticas da sua organização.

Fonte original: MoE-CL para continual instruction tuning

Curadoria · AgentLog

Receba o essencial

Privacidade, engenharia de IA e segurança no seu e-mail.

No máximo um resumo por dia, quando houver novidades. Cancele quando quiser. Usamos o e-mail verificado da sua conta.

Privacidade

Procurando outra coisa?AjudaContato