热点事件观察中
研究团队提出MoE专家剪枝框架OMP-MoE
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
2026年9月29日，研究人员在arXiv发布论文，提出面向MoE大语言模型的免训练压缩框架OMP-MoE。该框架采用正交匹配追踪算法，将专家剪枝转化为稀疏信号重构任务。实验表明，在Qwen、DeepSeek-V2、GPT-OSS和Mixtral MoE等模型上进行25%至50%剪枝率测试时，OMP-MoE的表现均优于现有方案；在对Qwen3-30B-A3B进行50%压缩时，该方案保留了93.3%的性能，并实现了33倍的搜索加速与1.55倍的推理加速。
AI 根据报道生成 · 20 小时前更新
最新进展9月29日 12:00
研究人员提出免训练剪枝框架OMP-MoE，在50%压缩下保留93.3%性能并提升推理速度。报道时间线
沿着报道，了解事件的不同侧面。
9月29日
- arXiv 机器学习OMP-MoE：基于正交匹配追踪的 MoE 大语言模型高效专家剪枝
研究人员提出免训练的 MoE 大语言模型压缩框架 OMP-MoE，通过正交匹配追踪算法将专家剪枝转化为稀疏信号重构任务。该方法在 Qwen、DeepSeek-V2、GPT-OSS 和 Mixtral MoE 的 25-50% 剪枝率测试中均优于现有方案。针对 Qwen3-30B-A3B 进行 50% 压缩时可保留 93.3% 性能，并实现 33x 搜索加速与 1.55x 推理加速。
本事件热度走势
当前热度 3·可比范围峰值 5（9月30日 10:00）·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。