| 标题 |
 MING-MOE: Enhancing Medical Multi-Task Learning in Large Language Models with Sparse Mixture of Low-Rank Adapter Experts MING-MOE：用低秩适配器专家的稀疏混合增强大语言模型中的医学多任务学习
相关领域
计算机科学
任务（项目管理）
机器学习
推论
人工智能
集合（抽象数据类型）
一般化
语言模型
适应（眼睛）
秩（图论）
可用性
人机交互
程序设计语言
工程类
数学
系统工程
数学分析
物理
光学
组合数学
|
| 网址 | |
| DOI | |
| 其它 |
期刊：arXiv (Cornell University) 作者：Yusheng Liao; Shuyang Jiang; Yu Wang; Yanfeng Wang 出版日期：2024-04-13 |
| 求助人 | |
| 下载 | |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
PDF的下载单位、IP信息已删除
(2025-6-4)
Nole
cdercder
XX
Dong021
Kao
GingerF
OK
无极微光
Logan
null
独特的项链
谪仙
mmyhn
有人
W sir
GODV
heekkll
好好
xuz
a7662888
皖公网安备34019202002308
