本研究提出了一种新的竞争机制CompeteSMoE，旨在解决稀疏专家混合模型训练中的路由子优化问题。通过理论分析和实证评估，CompeteSMoE在视觉指令调优和语言预训练任务中表现出较低的训练开销和强大的性能，展现了有效性、鲁棒性和可扩展性。

本研究提出TT-LoRA MoE框架，结合参数高效微调与稀疏专家混合路由，解决大型模型部署的可扩展性问题，显著提升多任务推理的计算效率与灵活性。

本研究提出了一种基于先验引导的稀疏专家混合方法，旨在解决点云配准中的重叠区域模糊结构问题。实验结果显示，该方法在3DMatch和3DLoMatch基准测试中分别达到了95.7%和79.3%的配准召回率。