混合专家模型中的专家选择机制：Token-Level、Sentence-Level还是Batch-Level？

架构进化论

于 2025-06-25 08:30:00 发布

阅读量60

点赞数 2

CC 4.0 BY-SA版权

分类专栏：大模型文章标签：人工智能机器学习 LLM 大模型

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/jsntghf/article/details/148745948

大模型专栏收录该内容

42 篇文章 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

混合专家模型通过动态激活部分参数实现模型容量与计算效率的平衡，其核心挑战在于如何高效选择专家。选择粒度直接影响模型性能和计算开销。

专家选择机制详解

Token-Level选择

原理：每个token独立选择专家，公式表示为：

$y_i = \sum_{j=1}^k G(x_i)_j \cdot E_j(x_i), \quad G(x_i) = \text{softmax}(W_g x_i)$

其中 $G(x_i)$ 是门控网络，

了解本专栏

超级会员免费看

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。