热点事件持续更新
研究人员提出无路由LoRA MoE架构SQUELCH
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10月15日，arXiv机器学习领域发布最新研究，研究人员针对单个Token所需的Rank数量展开探讨，并提出了面向秩一LoRA专家的底噪静噪方法SQUELCH。该方法构建了一种无路由器的秩一专家混合（MoE）方案，主要通过对每个Token的响应执行软阈值处理来实现动态激活Rank，同时在应用过程中不为LoRA增加任何额外的可训练参数。
AI 根据报道生成 · 4 小时前更新
最新进展10月15日 12:00
研究人员提出无路由器秩一MoE方法SQUELCH，实现动态激活Rank且不增参数。报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv 机器学习一个 Token 需要多少 Rank？面向秩一 LoRA 专家的底噪静噪方法 SQUELCH
研究人员提出无路由器的秩一专家混合方法 SQUELCH，通过对每个 token 的响应进行软阈值处理来实现动态激活 rank，且不为 LoRA 增加可训练参数。
本事件热度走势
当前热度 9·可比范围峰值 10（10月15日 13:00）·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。