Mixture-of-Experts 相关 AI 资讯 · AITOP · AI热报

8月28日

18:45

18:45

官方一手arXiv: DeepSeek@Gokulakannan Sakthivel, Jerry Wu, Amogh Rajendra, Giriprasad Radhakrishnan

精选73°

研究测量了OLMoE-1B-7B、DeepSeek-V2-Lite和Qwen3-30B-A3B三种MoE模型上的三种推理优化效果。Fused Triton内核在隔离测试中达到5.6x至9.0x加速，但端到端实际效果仅为0.999x，远低于1.07x的理论上限。INT4量化平均每位置仅改变8个专家中的0.53个，且通过全精度权重重放这些改变路线仅造成2.7%的质量损失。

论文 Mixture-of-Experts OLMoE-1B-7B DeepSeek-V2-Lite

推荐理由：论文揭示了MoE模型中三种推理优化为何实际效果不佳，对模型部署有重要参考价值。

8月21日

10:07

10:07

官方账号arXiv cs.LG@Nayeon Kim, Hojin Lee, Yunju Bak, Jaesun Park, Boseop Kim

该研究提出一种计算高效的两步超参数迁移框架，用于为大型 MoE 模型估算最优学习率。首先，通过 MuP 适应和 Muon 优化器，证明了最优学习率在宽度缩放模型间可一致迁移。其次，通过建立预测性缩放定律，将小模型在有限预算下的最优值线性回归，成功外推至万亿 token 规模（R²=0.95）。该方法在 155B 总参数的 MoE 基础模型预训练中得到验证。

论文 Mixture-of-Experts MoE 超参数

推荐理由：研究人员提出了一种方法，能通过小模型实验，准确预测万亿 token 规模 MoE 模型的最优学习率，省去了大量计算成本。他们用 155B 参数的模型验证了方法的有效性。

6月17日

10:16

10:16

官方账号arXiv cs.LG@Viet-Hoang Tran, Vinh Khanh Bui, Tan Lai Ngoc, Nam Nguyen, Tuan Dam, Tan M. Nguyen

该论文提出了一个统一框架，用于刻画现代神经网络架构（如使用GELU、SiLU、SwiGLU激活的前馈网络、具备正弦和旋转位置编码的多头注意力、以及多种门控设计的混合专家模型）中的梯度下降守恒定律。此前守恒定律仅在线性和ReLU网络中被理解。实验验证了所预测的不变量。

论文 GELU SiLU SwiGLU

推荐理由：想知道GELU、多头注意力这些架构背后为什么有隐式偏好？这篇论文给出了严格的理论解释。

6月15日

11:10

11:10

官方账号arXiv cs.AI@Hugo Daumain, Driss Matrouf, Khaled Khelif, Mickael Rouvier

语音生成技术的进步使合成语音越来越自然，导致欺骗检测更加困难。本研究将自监督语音表示模型转换为混合专家（MoE）架构，替换编码器层的前馈块为多个专家网络，并通过层间门控机制控制专家激活。专家网络能捕获互补的声学模式，同时保留自监督预训练学到的表示。在14个欺骗数据集上的评估显示，宏等错误率（EER）从5.46%降至4.81%，相对提升11.9%。

论文 Self-Supervised Speech Model Mixture-of-Experts Anti-Spoofing

推荐理由：MoE让反欺骗更强，EER降11.9%