专家混合（ Mixture-of-experts ， MoE ）模型已成为缩放模型参数的重要方法。现代教育部架构越来越多地结合了两种设计选择：细粒度专家细分和共享专家。前者通过以固定的激活率启用更多的专家组合来提高表达能力，而后者则引入对每个代币都活跃的专家。我们识别e

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2610.22353v1)获取最准确的信息。

---
🔗 **原文链接**: [Rethinking Routing Exploration in Modern Mixture-of-Experts](https://arxiv.org/abs/2610.22353v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Bingcong Li, Hao Ma, Michael Muehlebach, Niao He, Yi Ma

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-10-16 13:01