基于共享骨干网和轻量级任务特定适配器的高效多任务推理用于自动评分

本研究解决了教育领域中需要高效可扩展人工智能框架的问题，提出了一种增强轻量级适配器的共享骨干网模型架构，用于自动评分27个相互独立的任务。研究显示，该框架在实现竞争性性能的同时，GPU内存消耗减少了60%，推理延迟降低了40%，展现出了显著的效率提升，对学习成果的改善具有潜在影响。