摘要
具身智能体在现实世界运行需具备多尺度推理与知识适应能力。针对专家混合（MoE）在此场景下路由缺乏尺度概念及更新策略单一的问题，本文提出 MuSix 框架。该框架通过基于经验距离的两阶段路由机制实现尺度感知选择，并利用尺度依赖的遗忘率与门控跨尺度迁移，使低层知识快速刷新而高层抽象持久保持。实验表明，MuSix 在多尺度推理与动态适应任务上显著优于现有最先进基线。
AI 推荐理由
论文核心提出多尺度世界模型混合与进化机制，解决动态环境下的自适应更新问题。
研究机构
Sungkyunkwan University
论文信息