研究定位 MoE 预填充专家削减损伤：少数提示词 token 决定短答 F1 损失
原文标题：Where Prefill Expert Reduction Hurts MoE Models: A Few Prompt Tokens Carry Most of the Short-Answer F1 Loss
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文通过 token、层与注意力路径干预，定位 MoE 模型预填充阶段减少路由专家的性能损伤来源。在 Qwen3-30B-A3B 与 DeepSeek-V2-Lite 等四个模型族中，损失主要来自答案前的聊天模板 token 或指令所在的首批提示 token。将约 4% 敏感位置保留全专家可将 F1 损失控制在一分内，首 token 延迟在 11K 提示下降低约 14%。
- 问题
- MoE 预填充阶段削减路由专家能省算力，但不清楚损伤来自哪里。
- 方法
- 用 token、层与注意力路径干预定位敏感位置，再只在少数关键 token 上保留全专家。
- 结果
- 约 4% token 保留全专家可把 F1 损失控制在一分内，11K 提示下首 token 延迟降约 14%；随机放置则差约 3 分。
- 影响
- 给出可落地的 MoE 推理加速策略：只保护提示首尾少数 token，而非全局保留专家。
深读 · 结论先行AI 生成展开看要点与影响 ↓
MoE 预填充减专家损伤集中在提示首尾少数 token，保留约 4% 全专家即可把 F1 损失压到 1 分内。
- •覆盖四个 MoE 模型族，含 Qwen3-30B-A3B 与 DeepSeek-V2-Lite
- •Qwen3-30B-A3B 的损失主要来自答案前两个聊天模板 token
- •DeepSeek-V2-Lite 的损失集中在前 8–32 个提示 token，即指令所在位置
- •约 4% token 保留全专家时，11K 提示下首 token 延迟降低约 14%
- •随机放置敏感位置比放在任务接口处差约 3 个 F1 点
为什么重要：为 MoE 推理降本给出可操作的 token 级定位：只需保护提示首尾少量位置，而非整体保留专家，直接影响服务端预填充优化。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。