OMP-MoE：基于正交匹配追踪的专家剪枝
原文标题：OMP-MoE: Efficient Expert Pruning for Mixture-of-Experts LLMs via Orthogonal Matching Pursuit
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 OMP-MoE，一种无需训练的 MoE 大模型专家剪枝框架，将剪枝问题重构为稀疏信号重建任务并用正交匹配追踪求解。方法还通过注水策略优化跨层专家分配，并引入自适应推理机制动态调整专家激活。在 Qwen3-30B-A3B 上 50% 压缩仍保留 93.3% 性能，搜索速度提升 33 倍，推理加速 1.55 倍。
深读 · 结论先行AI 生成展开看要点与影响 ↓
OMP-MoE免训练剪枝：Qwen3-30B-A3B压50%仍保93.3%性能，搜索快33倍、推理快1.55倍。
- •把专家剪枝重构为稀疏信号重建，用正交匹配追踪以线性复杂度贪心选专家，无需训练
- •用注水策略按重建质量与路由稳定性优化跨层专家分配
- •OMP-MoE†自适应推理机制基于能量预测动态调整专家激活
- •在Qwen、DeepSeek-V2、GPT-OSS、Mixtral上25-50%剪枝率均优于现有方法
- •Qwen3-30B-A3B 50%压缩下保留93.3%原性能，搜索提速33倍、推理提速1.55倍
为什么重要：MoE大模型显存占用是部署瓶颈，免训练且搜索成本低一个数量级的剪枝方案，对推理侧降本更易落地。
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
谷歌 Gemini 4 Carbon 全面超越 Opus 5.5，首发 Token 半价
AI 摘要谷歌发布 Gemini 4 Carbon，宣称在多项能力上全面超越 Opus 5.5，并推出首发 Token 半价优惠。该模型可连续数日修复 Bug，且具备免疫提示词注入的安全特性，加剧头部大模型竞争。
谷歌发布 Gemini 4 Carbon，主打网络安全能力跃升
AI 摘要谷歌推出前沿模型 Gemini 4 Carbon，在编程、智能体任务和网络安全方面显著提升，登顶 Artificial Analysis 智能指数，领先 Claude Opus 5.5 与 GPT-6 Astra。该模型目前仅向部分网络安全防御公司开放，定价与 Argon 相同，为每百万输入 token 2 美元、输出 10 美元。
谷歌发布 Gemini 4，API 限时半价
AI 摘要谷歌正式发布 Gemini 4，被视为重回大模型第一梯队的关键动作，同时推出 API 限时半价优惠。该发布对模型竞争格局与开发者成本结构均有直接影响。
谷歌 Meta 发布前沿模型，AI 竞赛重启
AI 摘要谷歌发布 Gemini 4 Argon，Meta 推出新前沿模型，两家公司声称可与 OpenAI 和 Anthropic 的旗舰模型匹敌。谷歌以激进定价策略切入市场，入门期价格比竞争对手低至80%。AI 前沿竞争格局重新洗牌。