arXiv · cs.AI· Jia-Dong Zhang·· 2 天前
VALSE：面向大语言模型高效推理的垂直自适应跳层
VALSE: Vertical Adaptive Layer Skipping for Efficient Inference in Large Language Models
arXiv:2610.07606v1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：Jia-Dong Zhang
研究任务与主要进展
基于论文摘要，作者提出VALSE，一种面向大语言模型推理的按样本、非连续层跳过方法，通过前几层的轻量难度估计器和逐层门控，仅激活每个输入所需的模型深度。作者还给出逐样本跳层概率对应的期望FLOPs闭式公式，分析跳层模型与全层函数空间的包含关系及其与Mixture-of-Experts架构的结构对偶，并在原型规模上初步评估方法可行性。
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