MoEZip 论文：面向稀疏 MoE 大模型的路由感知 KV 缓存压缩
原文标题：MoEZip: Routing-Aware KV Cache Compression for Sparse Mixture-of-Experts LLMs
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。
arXiv 新论文提出 MoEZip，针对稀疏混合专家（MoE）大模型做路由感知的 KV 缓存压缩，解决 KV 驱逐会改变专家选择、损害生成质量的问题。方法基于路由分布的 Fisher 信息矩阵衡量敏感度，在 10% 缓存保留率下于 LongBench 与 RULER 上平均领先 SoTA 基线 24 与 20 分。
- 问题
- 稀疏 MoE 大模型长上下文推理中 KV 缓存膨胀，且缓存驱逐会改变专家路由、损害生成质量。
- 方法
- 用路由分布的 Fisher 信息矩阵衡量专家路由敏感度，与注意力权重结合做路由感知评分，并组合稠密与稀疏 MoE 的驱逐策略。
- 结果
- 10% 缓存保留率下 LongBench 与 RULER 平均领先 SoTA 基线 24 与 20 分，对应 2.3 倍与 4.9 倍分数。
- 影响
- 部署 MoE 长上下文服务时可在极低缓存预算下保持质量，直接降低显存与推理成本。
深读 · 结论先行AI 生成展开看要点与影响 ↓
MoEZip 用路由分布 Fisher 信息做 KV 压缩，10% 保留率下 LongBench 与 RULER 平均领先 SoTA 24 与 20 分。
- •指出现有 KV 压缩方法忽略 MoE 特有问题：KV 驱逐会改变答案生成时的专家选择，损害质量
- •提出基于路由分布 Fisher 信息矩阵的敏感度度量，与注意力权重结合做路由感知打分
- •组合稠密与稀疏 MoE 两类驱逐方法形成互补评分体系
- •10% KV 保留率下 LongBench 平均 +24 分、RULER 平均 +20 分，对应 2.3 倍与 4.9 倍分数提升
为什么重要：长上下文 MoE 推理的内存瓶颈下，通用 KV 驱逐会悄悄改变专家路由；这条把路由稳定性纳入压缩目标，对部署 MoE 长上下文服务的团队是针对性改进。
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。