Turing LLM 后训练论文发布：校准蒸馏与高效动态 MoE 执行
热点事件持续更新
Turing LLM 后训练论文发布：校准蒸馏与高效动态 MoE 执行
1 篇报道1 个报道来源18 小时前更新
先了解这件事
AI 综述
Yue He 等在 arXiv 发布论文（arXiv:2610.39876），提出面向动态路由 MoE 模型的后训练方法，结合校准多教师 on-policy 蒸馏 C-MOPD 与包含 post-capacity bounded-width dispatch、final-route replay 和异步 rollout-training overlap 的执行路径。 论文报告的实验结果为：Turing-20B-A2B 四域归一化整合得分 0.9988，每个领域保留至少 90.16% 的专家增益；8K 响应上限下四项数学与代码基准均值 85.92，高于 Qwen3-8B 的 80.33 和 SFT 的 74.21；组合执行配置将整合步时间从 398.7 秒降至 139.3 秒，观测到 2.86 倍加速。
AI 根据报道生成 · 1 小时前更新
最新进展10月29日 19:52
Turing LLM 后训练论文：校准蒸馏与高效动态 MoE 执行报道时间线
沿着报道，了解事件的不同侧面。
10月29日
- arXiv · cs.AI精选Turing LLM 后训练论文：校准蒸馏与高效动态 MoE 执行
arXiv 论文 arXiv:2610.39876 提出面向动态路由 MoE 模型的后训练方法，结合校准多教师 on-policy 蒸馏 C-MOPD 与含 post-capacity bounded-width dispatch、final-route replay 和异步 rollout-training overlap 的执行路径。Turing-20B-A2B 四域归一化整合得分 0.9988，每个领域保留至少 90.16% 的专家增益；8K 响应上限下四项数学与代码基准均值 85.92，高于 Qwen3-8B 的 80.33 和 SFT 的 74.21；组合执行配置将整合步时间从 398.7 秒降至 139.3 秒，观测到 2.86 倍加速。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。