演化模型中心的持续模型路由
人工智能
2026-05-28 v1 机器学习
摘要
AI模型中心提供了强大的预训练模型集合，使离线混合专家系统能够实现不同的路由策略。然而，这种快速增长带来了两个根本性挑战：跨越数千位专家的模型选择规模化，以及在新模型和新任务不断引入的过程中持续更新路由机制。本文将此设定形式化为持续模型路由（Continual Model Routing, CMR），并提出CMRBench——一个新型大规模基准，模拟真实的中心扩展，包含超过2000个候选模型。最后，我们引入CARvE，通过基于checkpoint的锚定和结构化重放实现高效持续模型路由的对比嵌入方法。大量实验与消融研究表明，CARvE在模型、家族和域水平的准确率均显著优于零-shot检索、微调和适配器合并等基线方法。
引用
@article{arxiv.2605.28577,
title = {Continual Model Routing in Evolving Model Hubs},
author = {Jack Bell and Giacomo Carfì and Gerlando Gramaglia and Vincenzo Lomonaco},
journal= {arXiv preprint arXiv:2605.28577},
year = {2026}
}
备注
42 pages, 24 tables, 6 figures, to be published at ICML 2026