MoTE: Mixture of Task Experts for Multi-Task Video Understanding

• 类型：arxiv
• 标识：2608.24763
• 链接：https://arxiv.org/abs/2608.24763
• 主分类：multimodal
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：This work proposes MoTE (Mixture of Task Experts), a decoder architecture that converts large language model feed-forward networks into task-specific experts while keeping the multimodal backbone shared and evaluates it on five COIN benchmarks using explicit task routes.
• OpenAlex ID：W7204223387
• OpenAlex DOI：10.48550/arxiv.2608.24763
• DOI：10.48550/arxiv.2608.24763
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2608.24763
• OpenAlex更新：2026-09-01
• 待LLM分类：否
• 标题中文：MoTE：面向多任务视频理解的 Task Expert 混合模型
• TLDR中文：本文提出 MoTE（Mixture of Task Experts），一种将大语言模型前馈网络转化为任务特定专家同时保持多模态 backbone 共享的 decoder 架构，并在五个 COIN 基准上使用显式任务路由进行评估。
• 副分类：evaluation
• 来源文件：
• /inbox/tom/_candidates/2026-08-27-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]