本研究提出了MoECollab框架，利用混合专家架构实现大型语言模型（LLM）的分布式协作开发，解决了集中化问题，提高了准确性，降低了计算需求，推动了LLM开发的民主化。

本文探讨了计算与网络融合系统的最新进展，提出了一种分布式协作路由框架，以确保截止日期要求并降低计算成本。该框架通过优化请求执行和路由路径，考虑异构服务器的效率和网络拥塞。仿真结果表明，该方案在调度计算请求方面表现优异。

多智能体强化学习（MARL）在优化多智能体共享资源中的系统性能方面具有潜力。研究者提出了一种基于事件驱动的公式和概率逻辑神经网络（PLNN）框架，用于处理分布式协作 MARL 智能体的决策制定。研究成果通过解决片上系统中的功率共享问题来展示。