研究提出面向智能体强化学习的MoE分层路由控制框架

针对标准强化学习尚未充分利用MoE（混合专家模型）专家选择与智能体操作天然对齐特性的问题，研究人员于2026年10月提出了一种面向智能体任务的分层路由控制框架。该框架显式促使轮次级专家选择与智能体操作对齐，通过正则化token级专家选择以保持局部一致性，并引入熵门控机制保障后训练稳定性。实验结果显示，该路由控制框架在所有评测基准上的任务成功率均提升了超过10个百分点。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。