ACR：冻结MoE模型生成多样推理路径

2026年10月28日，arXiv Artificial Intelligence 刊出 Ananth Kalyanasundaram 等作者的论文，提出并评估 Agent-Conditioned Routing（ACR）方法。据该报道，ACR 为多条并行轨迹分配持久的、未经训练的共享/私有专家掩码，同时保留 MoE 模型已学到的、依赖输入的 token 路由，从而在冻结模型的前提下，从同一问题提示中生成多种解法。报道称其目标是让单个冻结模型生成多样推理路径，并说明该方法在保持原有 token 路由不变的情况下实现轨迹层面的专家分配。目前公开信息仅来自这一篇主报道，未见后续跟进报道，也未见与其他方法的对比数据或独立复现结果。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。