UC-RAMP：MoE 微专家剪枝框架

2026年10月20日，arXiv 人工智能板块刊出 Zukang Xu 等作者的论文，提出两阶段训练后剪枝框架 UC-RAMP，用于 MoE 模型的微专家剪枝。该框架把微专家掩码构建拆成两步：先做跨专家容量分配（CAPE），再在固定宽度下做通道选择（RAMP）。作者在三个 MoE 模型上、按 25% 和 50% 两档路由专家通道剪枝率测试，称在六种设置中的五种取得十任务平均准确率最高；50% 剪枝时分别领先最强基线 8.19、3.96 和 6.14 个百分点。上述数字与结论均出自该论文自述，尚待独立验证。目前事件进展停留在论文发布与基准结果公布阶段，报道中未提及代码开源、第三方复现或实际部署情况。

AI 根据报道生成 · 41 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。