arXiv · cs.AI· Sekh Mainul Islam, Pepa Atanasova, Isabelle Augenstein·· 6 小时前
研究解释MoE大语言模型专家在个性化中的作用
Explaining the Roles of Experts in Mixture-of-Experts LLMs for Personalization
arXiv:2610.22127v1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：Sekh Mainul Islam, Pepa Atanasova, Isabelle Augenstein
研究任务与主要进展
作者提出一种个性化MoE大语言模型方法，通过训练跨编码器学习可解释的个性化潜在表征，并识别编码不同个性化特征的专家。基于论文摘要，在大规模个性化数据集上，该方法在仅激活稠密模型一部分参数的情况下保持了有竞争力的表现，同时降低了相似激活参数规模下的多义性；因果干预显示，增强相关专家可促使非个性化模型接近个性化模型。
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