热点事件持续更新
研究团队提出MoE强化学习加速系统FlexFloor
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年11月6日，研究人员在arXiv发表论文，提出用于加速MoE模型强化学习后训练的FlexFloor系统。为解决MoE在响应生成阶段的计算瓶颈，FlexFloor引入了弹性专家并行机制，通过结合历史响应长度与显存约束来优化批处理调度和提示词分配，在确保专家计算可用的同时逐步提前释放节点与计算资源。实验表明，相比verl基准，FlexFloor可将单位占用计算时间的响应token产出提升约65.40%，并将整体吞吐量提高52.74%。
AI 根据报道生成 · 4 小时前更新
最新进展11月6日 13:00
研究团队提出FlexFloor系统，通过弹性专家并行优化MoE强化学习后训练，吞吐量提升52.74%。报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv 人工智能FlexFloor：通过弹性专家并行实现资源高效的强化学习后训练
研究人员提出 FlexFloor 系统，通过弹性专家并行在强化学习后训练中提前释放计算资源，解决 MoE 响应生成瓶颈。该系统结合历史响应长度与显存约束调度批处理和提示词分配，在维持专家计算可用的同时逐步释放节点。相比 verl 基准，FlexFloor 使单位占用计算时间的响应 token 产出提升约 65.40%，吞吐量提高 52.74%。
本事件热度走势
当前热度 9·可比范围峰值 10（11月6日 14:00）·近 24 小时可比范围变化–
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。