AI圈报论文研究普通
MoE 强化学习中的专家空间探索：ESRL 框架让 Qwen3-30B-A3B 的 Pass@1 提升 3.2 个百分点
原始标题：Expert-Space Exploration in MoE Reinforcement Learning
内容摘要
研究者提出 Expert-Space Exploration Reinforcement Learning（ESRL），一个显式探索 MoE 模型专家路由空间的架构感知框架，通过保留高置信度专家作为锚点、将随机路由限制在合理候选池内，并按 router 熵自适应调整扰动强度。
内容分类AI 论文与研究
内容层级普通情报
发布时间（北京时间）
本站收录时间（北京时间）
信息来源HuggingFace Daily Papers（社区热门论文）
站内情报编号intel-3f572832a3896d1d3e4af23f