腾讯混元与新南威尔士大学提出 E-GRM：奖励模型按需分配算力的动态路由机制 | ACL 2026

腾讯混元与新南威尔士大学联合提出 E-GRM 框架，将模型不确定性作为算力调度信号，仅对困难样本投入完整 CoT 推理。在 MATH 数据集上，58% 样本走短路径，延迟从 3.8 秒降至 2.2 秒（-62%），FLOPs 从 23.7T 降至 15.7T（-49%），准确率从 75.1% 提升至 78.4%。