我们提出了高效的MoFME架构和UaR路由器，能够学习多个任务的不同专家功能。实验证明，MoFME在图像恢复质量方面优于基准，并且参数节省超过72％，推理时间节省39％以上。在下游分割和分类任务上的实验进一步证明了MoFME的普适性。

本文提出了参数节省的对抗训练（PSAT）框架，通过使用超网络训练专门针对单一扰动的模型并集成这些专门模型以抵御多种扰动，同时具有参数节省的优势。在不同数据集上进行广泛评估和比较，显示了该方法在鲁棒性和参数效率方面的优势。