Jabin Koo

该工作提出动态专家剪枝（DEP）：分析显示多智能体系统中不同任务与角色会调用不同专家，而静态剪枝对所有请求使用同一固定掩码；DEP利用智能体的系统提示与任务提示，经一次前向传播生成按请求定制的专家掩码，无需逐配置校准，在多种任务、角色、模型规模与MoE架构上整体准确率优于静态剪枝与合并基线，并可泛化到训练中未见的工作流，且在保留专家数很少时优势最大。

该工作提出动态专家剪枝（DEP）：分析显示多智能体系统中不同任务与角色会调用不同专家，而静态剪枝对所有请求使用同一固定掩码；DEP利用智能体的系统提示与任务提示，经一次前向传播生成按请求定制的专家掩码，无需逐配置校准，在多种任务、角色、模型规模与MoE架构上整体准确率优于静态剪枝与合并基线，并可泛化到训练中未见的工作流，且在保留专家数很少时优势最大。