研究：Muon 优化器使首个混合专家层更难负载均衡
原文标题：Muon Makes the First Mixture-of-Experts Layer Harder to Balance
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。
论文在 5500 万与 1.08 亿激活参数模型上测量 Muon 与 AdamW 对专家路由偏置跨度的影响，发现 Muon 使首个 MoE 层偏置跨度平均翻倍，最忙专家承担 4 至 7 倍公平份额。减去输入批次均值可消除过载且几乎不影响损失，小模型上降低 Muon 学习率亦有效。
- 问题
- Muon 训练的 MoE 模型首个专家层负载严重失衡，现有均衡配方说法不一。
- 方法
- 在 55M/108M 激活参数模型上逐种子测量路由偏置跨度，定位失衡来源并测试减批次均值、调学习率等干预。
- 结果
- Muon 使首层偏置跨度平均约翻倍，最忙专家承担 4 至 7 倍公平份额；减批次均值可消除过载且几乎不影响损失
- 影响
- 用 Muon 训 MoE 的团队可据此低成本修复首层路由塌缩，不必换优化器。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Muon 使首个 MoE 层路由偏置跨度平均翻倍，最忙专家承担 4 至 7 倍公平份额
- •在 5500 万与 1.08 亿激活参数模型上对比 Muon 与 AdamW 对专家路由偏置跨度的影响
- •Muon 在每个随机种子下都抬高首个 MoE 层偏置跨度，平均约翻倍，其他层变化小得多
- •过载源于 Muon 训练网络其余部分，与路由器由哪个优化器训练无关
- •首个路由器输入共享同一方向，warmup 后最忙专家平均承担 4 至 7 倍公平份额
- •前 3000 步减去输入批次均值可消除过载且几乎不影响损失；小模型上 Muon 学习率减半也基本消除，损失略降
为什么重要：不少开源 MoE 用 Muon 训练，负载均衡配方又对路由器优化器意见不一；这条给出了首个层失衡的具体成因和低成本修法。
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。