【北航团队提出专家协同框架，小尺寸大模型协同效果或优于“巨无霸”大模型】
目前，以工业界为主导的大模型研究，主要通过拼算力、拼数据的方式，训练出一系列“巨无霸”大模型，并在各个评测榜单上争夺“头把交椅”，以此增强在 #大模型# 领域的影响力。
然而，这种以竞争内卷为主的“个人英雄主义”思路，不仅会让大模型在训练时消耗大量算力，还会导致其在真正应用时，出现推理成本过高而实用性不足的问题。
那么，为了解决上述问题，能否采用以合作共赢为主的“团队合作主义”思路，允许多个小尺寸大模型协同工作，以达到甚至优于那些参数量非常大的大模型才能实现的效果呢？
近期，来自 #北京航空航天大学# 的团队提出了一个利用评测榜单的专家协同框架 Bench-CoE。
该框架包含了一组由 #大语言模型# 驱动的专家模型（可以是多模态模型，其特点为用自然语言来交互信息），一系列评测榜单信息，以及一个用来选择专家模型执行具体任务的路由模型。
戳链接查看详情：
北航团队提出专家协同框架，小尺寸大模型协同效果或优于“巨无霸”大模型
目前，以工业界为主导的大模型研究，主要通过拼算力、拼数据的方式，训练出一系列“巨无霸”大模型，并在各个评测榜单上争夺“头把交椅”，以此增强在 #大模型# 领域的影响力。
然而，这种以竞争内卷为主的“个人英雄主义”思路，不仅会让大模型在训练时消耗大量算力，还会导致其在真正应用时，出现推理成本过高而实用性不足的问题。
那么，为了解决上述问题，能否采用以合作共赢为主的“团队合作主义”思路，允许多个小尺寸大模型协同工作，以达到甚至优于那些参数量非常大的大模型才能实现的效果呢？
近期，来自 #北京航空航天大学# 的团队提出了一个利用评测榜单的专家协同框架 Bench-CoE。
该框架包含了一组由 #大语言模型# 驱动的专家模型（可以是多模态模型，其特点为用自然语言来交互信息），一系列评测榜单信息，以及一个用来选择专家模型执行具体任务的路由模型。
戳链接查看详情：
北航团队提出专家协同框架，小尺寸大模型协同效果或优于“巨无霸”大模型
