通过核心扩展路由与统一计算调度加速统一多模态模型

统一的多模态模型共同支持理解和生成，但会在词元、层和生成时间步长之间产生大量冗余计算。通过词元重要性探测，我们确定了一个不对称的核心扩展结构：理解表现出稳定的重要性成分，而生成很大程度上共享该成分，但需要依赖于进度的修正。因此，我们提出了 CE-Router，它使用任务共享核心评分器和进度条件生成扩展，通过生成分解和跨任务核心对齐进行优化。在推理时，CE-Router 压缩词元计算并向统一计算调度提供学习的路由信号，后者协调层跳跃、FFN 修剪、扩散头缓存重用和去噪步骤提前退出。在两个代表性 UMM 架构上进行的实验表明，这两项任务均实现了一致的质量效率改进，保留了 98.03% 的密集理解性能，端到端推理加速提高了 1.93$\times$。