模型切片协同学习与推理框架提出

2026年10月12日，arXiv cs.AI 刊出研究，提出一种基于模型切片的协作学习与推理框架。该框架用 model slicing 在相近参数预算下以更小的异构模型替换大模型，并采用 Pyramid supervision，结合协议蒸馏与步骤级监督来优化推理过程及协作决策。研究在多跳问答、数学推理、代码生成和开放式约束生成四类任务上测试：训练后的异构模型表现与原始大模型及现有多智能体基线（含强化学习方法）相当或更好，推理效率更高，并呈现差异化的协作模式。目前该工作处于论文发布阶段，报道中未提及后续复现、开源或落地应用信息。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。