arXiv · cs.AI· Mikhail Aleksandrov, Nail Bashirov, Maksim Ivanov, Andrew Tsukanov, Timofey Karyagin, Alexander Miasnikov, Gleb Molodtsov, Valentin Samokhin, Aleksandr Beznosikov·· 8 小时前
LLM提示适应并非同一种机制：追踪稠密与MoE模型中的提示适应
Not All Drift Is a Mechanism: Tracing Prompt Adaptation in LLMs
arXiv:2610.18412v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Mikhail Aleksandrov, Nail Bashirov, Maksim Ivanov, Andrew Tsukanov, Timofey Karyagin, Alexander Miasnikov, Gleb Molodtsov, Valentin Samokhin, Aleksandr Beznosikov
研究任务与主要进展
基于论文摘要，作者比较离散提示优化、提示调优和前缀调优如何改变稠密与MoE语言模型的内部处理。优化文本主要改变响应构建，输入级提示影响内容表示，层级前缀通过注意力保持直接控制，并在MoE模型中形成不同的专家路由；通用表示指标难以区分有效适配与匹配的安慰剂提示。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org