Pangu-ACE：面向教育答复生成的自适应级联专家系统
计算与语言
2026-04-17 v1
摘要
教育助理应在任务需要时才增加计算资源。本文围绕实际实现并存档于仓库中的系统重写了之前的草案：针对共享8 EduBench基准测试，构建1B至7B级别的样本级级联。最终系统Pangu-ACE使用1B小导师路由器生成草稿答案及路由信号，然后要么接受草稿，要么将样本升级到7B专家提示。我们也纠正了一个重大离线评估错误：之前的摘要过度给予了仅满足表面格式检查的开放式输出的信任。经CPU端从保存的预测JSONL中重新评分，完整的中文测试档案（7013个样本）显示，cascade_final相较于legacy rule_v2系统，在确定性质量上提升0.457至0.538，在格式有效性上提升0.707至0.866，同时1B直接接受19.7%的请求。路由性强依赖任务：IP在1B上接受率为78.0%，而QG和EC仍几乎总是升级。当前存档的部署尚未显示延迟收益，因此可论证的效率故事是路由选择性而非 wall-clock 加速。我们还打包了一个以可重复工件为导向的论文工作流程，并阐明剩余的外部基线差距：GPT-5.4重新评判在本地实现，但配置的提供者端点和密钥无效，因此最终与GPT-5.4的抽样基线对齐仍待基础设施修复。
引用
@article{arxiv.2604.14828,
title = {Pangu-ACE: Adaptive Cascaded Experts for Educational Response Generation on EduBench},
author = {Dinghao Li and Wenlong Zhou and Zhimin Chen and Yuehan Peng and Hong Ni and Chengfu Zou and Guoyu Shi and Yaochen Li},
journal= {arXiv preprint arXiv:2604.14828},
year = {2026}
}