YOLO-Master 控制台：MoE 架构的推理与训练双页签

空间智能实验室 Vol.12：YOLO-Master 控制台：MoE 架构的推理与训练双页签

YOLO-Master 是腾讯优图实验室做的东西，第一次把混合专家（MoE）深度融进 YOLO 架构：不是所有输入都吃同样的算力，简单的天空背景走轻路径，拥挤路口走重路径。官方在 COCO 上报到 42.4% AP / 1.62ms。我做的事情是给它配一个能用的控制台——左边推理上传图出标注，右边训练选架构起任务看曲线，两边共享同一份权重目录，训完的 best.pt 直接出现在推理页的下拉里。然后把它整体搬到了昇腾 310P3，精度对齐到 GPU 的 0.002 以内。这篇讲控制台和那次移植。

一、项目背景与开源底座

YOLO-Master 入选 CVPR 2026，主论文 arXiv 2512.23273，另有 PEFT 相关的 2608.07051，仓库在 github.com/Tencent/YOLO-Master，License 是 AGPL-3.0。

核心方法叫 ES-MoE（Efficient Sparse Mixture of Experts）+ 动态路由。作者的说法叫 \”instance-conditional adaptive computation\”——按需分配算力。主干仍然是标准的 YOLO-like 检测器，但中间插了 ES-MoE 块：一个轻量的动态路由网络决定每个输入该激活哪些专家，专家在训练期被引导分工，推理期只激活最相关的那些。

论文给出的数字：在 MS COCO