/ tags/ 研究

# EMO：让混合专家模型真正“模块化”——从数据中自发涌现的专家结构

2026-05-18 5 min read

Allen AI 发布 EMO 模型，通过端到端预训练让 MoE 专家从数据中自发形成模块化结构，仅用 12.5% 的专家即可保持接近完整性能，为高效任务定制和节省推理成本开辟新路径。

2026-05-17 5 min read

AI2 发布 EMO 模型，通过端到端预训练使 Mixture-of-Experts 中的专家自动形成领域专属的模块化结构，仅用 12.5% 的专家即可完成特定任务，性能接近全模型。

2026-05-16 4 min read

Allen AI发布EMO，一种全新的混合专家模型预训练方法，通过端到端训练让专家模块从数据中自动形成语义分组，仅用12.5%的专家即可达到近完整模型性能。

2026-05-15 4 min read

艾伦人工智能研究院发布 EMO 预训练方法，使混合专家模型中的专家自动形成语义模块，无需人工定义领域。仅用 12.5% 的专家即可达到接近全模型性能，为稀疏激活的实用化开辟新路。

2026-05-14 4 min read

Allen AI 发布 EMO 模型，通过端到端预训练使专家自动聚类为语义模块，无需人工标签。仅激活 12.5% 的专家即可保留近乎全模型性能，为高效推理和领域适配开辟新路径。

2026-05-13 5 min read

AI2 发布 EMO 模型，通过端到端预训练让混合专家模型自动形成模块化结构，仅用 12.5%专家即可保持近全模型性能。