University of California, Los Angeles（加州大学洛杉矶分校）

2604.00801 2026-04-02 cs.LG cs.AI cs.CL

Routing-Free Mixture-of-Experts

无路由专家混合模型

Yilun Liu, Jinru Han, Sikuan Yan, Volker Tresp, Yunpu Ma

机构 * Ludwig Maximilian University of Munich（慕尼黑大学）； University of California, Los Angeles（加州大学洛杉矶分校）； Munich Center for Machine Learning（慕尼黑机器学习中心）

AI总结本文提出无路由专家混合模型，通过消除传统集中路由机制，实现专家自主激活，改进资源分配方法，实验表明其在可扩展性和鲁棒性上优于基线模型。

Comments Code is available at https://github.com/liuyilun2000/RoutingFreeMoE/tree/release

2604.00344 2026-04-02 cs.CL stat.AP

Agent Q-Mix: Selecting the Right Action for LLM Multi-Agent Systems through Reinforcement Learning

Agent Q-Mix: 通过强化学习选择LLM多智能体系统的合适动作

Eric Hanchen Jiang, Levina Li, Rui Sun, Xiao Liang, Yubei Li, Yuchen Wu, Haozheng Luo, Hengli Li, Zhi Zhang, Zhaolu Kang, Kai-Wei Chang, Ying Nian Wu

机构 * University of California Los Angeles（加州大学洛杉矶分校）； University of Washington（华盛顿大学）； Northwestern University（西北大学）

AI总结本文提出Agent Q-Mix框架，通过强化学习解决多智能体系统中拓扑选择问题，实现去中心化通信决策，提升任务准确率与token效率。

2603.29620 2026-04-02 cs.CV cs.MM

Unify-Agent: A Unified Multimodal Agent for World-Grounded Image Synthesis

Unify-Agent：一种用于世界 grounded 图像合成的统一多模态代理

Shuang Chen, Quanxin Shou, Hangting Chen, Yucheng Zhou, Kaituo Feng, Wenbo Hu, Yi-Fan Zhang, Yunlong Lin, Wenxuan Huang, Mingyang Song, Dasen Dai, Bolin Jiang, Manyuan Zhang, Shi-Xue Zhang, Zhengkai Jiang, Lucas Wang, Zhao Zhong, Yu Cheng, Nanyun Peng

机构 * University of California, Los Angeles（加州大学洛杉矶分校）； Tencent Hunyuan（腾讯混元）； The Chinese University of Hong Kong（香港中文大学）； The Hong Kong University of Science and Technology（香港科技大学）

AI总结本文提出Unify-Agent，一种统一多模态代理，用于世界 grounded 图像合成，通过代理流程提升图像生成质量，结合事实IP基准测试，展示其在多种任务中的优越表现。

Comments Project Page: https://github.com/shawn0728/Unify-Agent

2604.00293 2026-04-02 cs.LG stat.ML

SYNTHONY: A Stress-Aware, Intent-Conditioned Agent for Deep Tabular Generative Models Selection

SYNTHONY：一种考虑压力的、基于意图的深度表格生成模型选择代理

Hochan Son, Xiaofeng Lin, Jason Ni, Guang Cheng

机构 * University of California, Los Angeles（加利福尼亚大学洛杉矶分校）

AI总结本文提出SYNTHONY，一种基于意图的表格生成模型选择框架，通过压力分析选择最佳合成器，提升模型在不同数据分布下的性能和实用性。

2306.14052 2026-04-02 cs.LG cs.AR cs.DC

A Survey on Graph Neural Network Acceleration: Algorithms, Systems, and Customized Hardware

图神经网络加速的综述：算法、系统与定制化硬件

Shichang Zhang, Atefeh Sohrabizadeh, Cheng Wan, Zijie Huang, Ziniu Hu, Yewen Wang, Yingyan, Lin, Jason Cong, Yizhou Sun

机构 * University of California, Los Angeles（加州大学洛杉矶分校）； Georgia Institute of Technology（佐治亚理工学院）

AI总结本文综述了图神经网络加速的算法、系统及硬件方法，分析了现有技术并提出未来研究方向，旨在统一视角解决相关复杂性问题。