本研究提出了一种三阶段多任务学习框架，以提高大语言模型在处理多个在线任务时的效率。该框架通过任务筛选、微调高资源任务和全任务微调，显著降低了高达90.9%的资源开销，同时保持了模型性能。

华为云社区分享了Kmesh内核级流量治理框架，提升了服务转发性能50%+，降低了资源开销70%。Kmesh具有平滑兼容、全栈可视化等功能。