ICLR 2025 Oral IDEA联合清华北大提出ChartMoE：探究下游任务中多样化对齐MoE的表征和知识

文章预览

来源：人工智能前沿讲习 ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍‍‍‍‍‍‍‍‍‍‍‍ 本文 共2600字 ，建议阅读 10 分钟 在不使用通用领域数据的情况下，在通用领域中遗忘更少，可能是做下游领域 MLLM 更关注的事情。 最近，全球 AI 和机器学习顶会 ICLR 2025 公布了论文录取结果：由 IDEA、清华大学、北京大学、香港科技大学（广州）联合团队提出的 ChartMoE 成功入选 Oral (口头报告) 论文。据了解，本届大会共收到 11672 篇论文，被选中做 Oral Presentation（口头报告）的比例约为 1.8% 论文链接： https://arxiv.org/abs/2409.03277 代码链接： https://github.com/IDEA-FinAI/ChartMoE 模型链接： https://huggingface.co/IDEA-FinAI/chartmoe 数据链接： https://huggingface.co/datasets/Coobiw/ChartMoE-Data 研究动机与主要贡献： 不同于现阶段使用 MoE 架构的原始动机，ChartMoE 的目标不是扩展模型的容量， ………………………………