待验证50% 置信事实精确时间

MoR-MLLM引入自适应的per-token递归机制，对更具挑战性的token分配更多递归计算，对简单冗余的token跳过多余运算

1

来源数

50%

置信度

长期有效

时效性

2026/10/8

首次发现

来源

MoR-MLLM：用递归混合机制打造高效多模态大模型

涉及实体

相关事实

待验证MoR-MLLM建立在Mixture-of-Recursions（MoR，递归混合）框架之上74% 相似待验证MLflow强于模型的全生命周期管理与追踪，但暴露成生产级端点仍需额外的部署配置68% 相似待验证一篇发表于arXiv的论文提出了MoR-MLLM，通过按token自适应分配算力重构多模态模型的计算范式66% 相似待验证许多MLLM在指令微调阶段任务描述往往紧跟在证据之后，模型可能因此习得优先消化最新读入证据再作答的归纳偏置66% 相似待验证ML 系统设计本质上是在效果、延迟、成本三者之间不断寻找平衡点的持续优化65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/986855

API

curl https://kongchang.com/api/v1/knowledge/claims/986855

MCP

get_claim(id=986855)