待验证50% 置信事实精确时间

论文提出了三阶段的MoR-Tuning调优流程，逐步引导模型在多模态输入上进行合理的递归稀疏

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

MoR-MLLMmodel MoR-Tuningconcept

相关事实

待验证模型在推理阶段使用均值加标准差的动态阈值筛选句子，并设置top-3兜底机制确保至少选出三个句子74% 相似待验证无审查模型可通过微调、系统提示、激活工程三种技术手段实现72% 相似待验证渐进式路由建议分三阶段：先全部走通用模型收集成本数据，再对高成本任务引入规则路由，最后在ROI为正时考虑微调或自托管72% 相似待验证论文中常见的实验美化手法包括：为自己的方法调优超参数而对基线保留旧参数、为自己方法定制高效Triton内核而基线用原始实现、将问题放在上下文之前以人为提升压缩效果72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/986858

API

curl https://kongchang.com/api/v1/knowledge/claims/986858

MCP

get_claim(id=986858)