注意力感知路由：MoE 中耦合路由与注意力
原文标题：Attention-Aware Routing: Coupling Routing and Attention in MoEs
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。
论文提出注意力感知路由（AAR），从注意力权重滑动窗口中提取时序与频谱特征增强路由器，冻结基础 Transformer 仅训练路由参数。在 OLMoE 上 GSM8K 提升 3.37 个百分点，并揭示路由与注意力构成耦合回路，且存在深度敏感的检索-推理张力。
- 问题
- MoE 路由器只看 token 隐状态，上下文信息有限。
- 方法
- 注意力感知路由 AAR 从注意力权重滑动窗口提取时序与频谱特征增强路由器，冻结基础 Transformer 只训练路由参数。
- 结果
- OLMoE 上 GSM8K 比仅路由 SFT 基线提升 3.37 个百分点。
- 影响
- 揭示路由与注意力构成耦合回路及深度敏感的检索-推理张力，为 MoE 微调提供低成本改进路径。
深读 · 结论先行AI 生成展开看要点与影响 ↓
AAR 冻结基础 Transformer 只训路由参数，在 OLMoE 上 GSM8K 提升 3.37 个百分点。
- •从注意力权重滑动窗口提取时序与频谱特征来增强路由器，与隐状态解耦
- •基础 Transformer 完全冻结，仅训练路由参数，把路由隔离为唯一变量
- •相比仅做路由 SFT 的基线，GSM8K 提升 3.37 个百分点
- •路由与注意力构成耦合回路：第 l 层路由变化经残差流放大第 l+1 层注意力汇
- •深度敏感：全层套用会损害事实检索，深层引入则数学推理收益保留
为什么重要：把「路由」当作独立可训练变量，为 MoE 提供低成本改造路径，同时揭示检索与推理在深度上的张力，影响 MoE 微调策略。
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。