model-heterogeneity

本文研究检索增强生成中的证据效用，发现读者特定的序数偏好是稳定的，但无法可靠预测不同读者间的干预结果。

本文提出了一种多智能体推理框架，其中多个基础模型通过结构化批评和聚合进行协作，表明模型异构性显著提高了逐步推理的准确性并减少了跨领域的方差。

本文提出了HASA，一种面向异构模型联邦学习的异构感知子网分配方法，该方法在固定计算预算下根据客户端异构性分数分配子网宽度，从而提升平均准确率和最差客户端准确率。