研究提出延续相对的计算粗粒度化评估框架

一项研究提出“延续相对”评估框架，用下游任务质量与总执行成本联合判断能否用更便宜的模块替换一段计算。作者称，在 1.7B 参数模型上，以 next-token-loss 训练比重建被跳过模块输出，可将分布内负对数似然降低 0.1901 nats/token，但该排序在全部九组分布偏移对比中反转。 在递归专家原型中，联合适配候选优于冻结库与仅路由基线，但仍落后于直接训练的控制组；仅输入选择器未通过质量-成本联合标准。

AI 根据报道生成 · 58 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。