放大变压器已经产生了具有广泛功能的模型，部署在异构硬件和波动的工作负载中。然而，模型系列仅提供少数固定大小（例如， S、B、L ） ，迫使用户基于硬件和延迟约束提交模型。在不同的查询负载下，这种刚性通常是次优的。我们引入了一种无需再培训的方法，该方法可以弹性化pre-tr

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2610.20588v1)获取最准确的信息。

---
🔗 **原文链接**: [Your Transformer Is Secretly Elastic](https://arxiv.org/abs/2610.20588v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Walter Simoncini, Dheeraj Varghese, Gertjan J. Burghouts, Cees G. M. Snoek

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-10-15 13:02