arXiv 论文提出 Spectral-MoE：逐层异构专家利用率
原文标题：Spectral-MoE: Heterogeneous Per-Layer Expert Utilization in Dense-to-MoE Conversion
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 Spectral-MoE，在稠密到 MoE 转换中按层异构分配专家利用率预算，而非各层固定相同激活专家数。方法包含静态（每层标量）与动态（每 token 调度）两种分配器。在 Llama-2-7B、Llama-3-8B、Qwen2.5-7B 上，动态分配在 25% FFN 利用率下显著降低 WikiText-2 困惑度并提升六任务平均准确率。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Spectral-MoE 按层异构分配专家利用率，25% 利用率下困惑度最多降 2.96。
- •现有稠密转 MoE 方法在每层固定相同的激活专家数，Spectral-MoE 改为逐层异构分配利用率预算。
- •含静态（每层标量、跨 token 共享）与动态（每 token 调度）两种分配器。
- •在 25% FFN 利用率下，动态分配相对均匀分配降低 WikiText-2 困惑度：Llama-2-7B 降 1.04、Llama-3-8B 降 2.96、Qwen2.5-7B 降 2.71。
- •在解析式与学习式两类 SOTA 稠密转 MoE 基座上均优于均匀分配。
- •动态分配同时提升六任务平均准确率。
为什么重要：逐层统一利用率是稠密转 MoE 的默认假设，这条说明按层分配预算能直接换取困惑度与下游收益。
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。