热点事件观察中
研究提出BASE方法提升MoE批量解码效率
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年9月30日，研究人员在arXiv发布研究，提出用于MoE模型批量解码的BASE方法（基于预测移除误差的批次感知专家选择）。该方法借助轻量线性预测器预估移除特定专家对MoE层输出造成的误差，从而在批次解码中实现跨请求的专家协调与复用，无需重训模型即可优化能效权衡。实验结果显示，在Qwen3-30B-A3B模型上，BASE在严格专家预算且吞吐量相当的条件下，平均准确率比最强基线高出29.5分；在更高预算下，其相较稠密推理提速60%，且准确率差距保持在0.4分以内。
AI 根据报道生成 · 4 小时前更新
最新进展9月30日 12:00
研究人员提出BASE方法，通过预测移除误差优化MoE跨请求专家协调，显著提升批量解码能效。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv 机器学习BASE：基于预测移除误差的高效 MoE 解码批次感知专家选择
研究人员提出 BASE 方法，通过轻量线性预测器预估移除专家对 MoE 层输出的影响，在批次解码中跨请求协调与复用专家，无需重训模型即可优化能效权衡。在 Qwen3-30B-A3B 上，BASE 在严格专家预算且吞吐量相当时平均准确率比最强基线提升 29.5 分；在更高预算下比稠密推理提速 60% 且准确率差距在 0.4 分以内。
本事件热度走势
当前热度 5·可比范围峰值 5（10月1日 12:00）·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。