热点事件持续更新
DecoMoE：多模态 MoE 推理加速框架
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
2026年10月1日，arXiv cs.CV 收录论文，提出多模态 MoE 推理加速框架 DecoMoE。该框架将视觉传播与专家计算解耦：一方面用 SAVB 预测与输入相关的视觉退出层，让视觉分支按输入动态决定退出位置；另一方面用 RCEP 依据文本 token 的路由质量对专家前缀进行重排，以缩小实际参与计算的专家范围。论文以这两项机制加速多模态 MoE 推理。事件此前以“DecoMoE：多模态 MoE 推理压缩加速框架”为题收录，本次新报道补充了方法层面的具体设计，即 SAVB 与 RCEP 的各自分工。
AI 根据报道生成 · 1 小时前更新
最新进展10月1日 12:00
新报道披露 DecoMoE 方法细节：SAVB 预测视觉退出层，RCEP 重排专家前缀。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv cs.CVDecoMoE：解耦视觉传播与专家计算，实现高效多模态 MoE 推理
DecoMoE 将视觉传播与专家计算解耦，用 SAVB 预测输入相关的视觉退出层、RCEP 按文本 token 路由质量重排专家前缀，以加速多模态 MoE 推理。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。