MoLE：用潜在专家混合实现互补视觉推理

MoLE 是一种潜在专家混合（Mixture of Latent Experts）框架，让不同潜在 token 在证据提取阶段各自隔离、观察并转换互补的视觉信息，再由专门的潜在摘要专家聚合这些表示。在五个视觉推理基准上，MoLE 平均得分 78.6，比数据量匹配的监督微调高 4.9，比同潜在预算下最强基线高 3.6；遮蔽潜在通路后平均性能下降 9.2。