找找AI 原创出品
技术
混合专家架构路由机制：从Sparse MoE到Soft MoE的技术演进
原创标识
混合专家（MoE）通过条件计算大幅扩展模型参数而不成比例增加计算量，其核心是路由机制——负责将每个token分配给最适合的专家，直接影响模型性能和负载均衡。
传统稀疏门控方式中，每个token通过线性门控网络得到所有专家的logits，经softmax后保留Top-K个专家，前向计算只激活被选中的专家。但这种方案面临专家负载不均的问题——少数专家获得大量token，多数专家未被充分训练。解决方法是引入负载均衡损失，在训练中动态调整系数，以及设置专家容量控制每个专家处理的token上限，超出容量的token要么丢弃，要么溢出到下一层。
Soft MoE则彻底改变了路由方式。它不再为每个token独立选择专家，而是将所有token视为一个整体，通过可学习的参数矩阵将输入token序列映射到一组槽位，每个槽位送入一个专家，专家输出后再加权组合回token。这种方法天然保证负载均衡——每个专家正好处理固定数量的槽位，且计算密集，适合GPU。
对于低位宽MoE推理，路由的logits对量化敏感。解决方案是对门控网络使用FP16或更高精度，而对专家权重使用INT4或三值量化，因为专家的精度损失对最终结果的影响远小于路由决策错误。此外，为防止专家之间发生表示坍缩（不同专家学到相似的变换），可以引入带噪声的Top-K门控强制模型探索不同专家组合，或使用专家差异性损失惩罚专家输出之间的余弦相似度。
AI问答
国内AI最近犯过什么事儿吗？
说出来你可能不信，已经有人因为AI亏钱而在法院起诉了。
听说AI又在安全上捅娄子了？
这几天的安全新闻一个比一个惊悚。
有没有什么牛X的新模型发布？
看几个硬指标：编程测试SWE-Bench Pro，它直接干到了69.2% ，比GPT-5.5的58.6%高出10个百分点；金融分析测试也是53.9% ，同样领先所有对手。更狠的是，不但性能上去了，快速模式的速度快了一倍多，成本直接砍到原来的三分之一。
不听不听，我就想知道OpenAI权斗和马斯克互撕的大结局是啥？
前CTO Mira Murati出庭作证，对着奥特曼就是一顿锤。她直接在法庭上说，奥特曼在模型安全审批上误导过她，还说此人有个“大招”——给不同高管传递不同版本的事实，让大家谁都没法掌握全貌，决策权永远回到他自己手里。这不是外人瞎编，是亲信在法庭上当着全世界说的。
AI安全最近又出新问题了？听说有人用AI换脸直接盗号了？
对，而且是真事儿，5月30号央视刚曝出来的。一家国内公司好好的账号突然自己发了一篇“即将停更”的公告，后台密码也改了，连法人信息都被人篡改了。最后查出来，是有人伪造了以假乱真的动态“AI人脸”视频，直接骗过了平台的身份验证系统，顺利登陆进去了。
嵌入向量：AI把文字转换成数字的秘密
AI不认识文字，它只认识数字。为了让AI处理语言，第一步必须把每个字或词转换成一串数字，这串数字叫嵌入向量。
微调是怎样让通用模型变成专家模型的
一个通用大模型什么都能聊几句，但让它在某个专业领域表现得像专家，就需要做微调。微调的原理是：在已经训练好的模型基础上，用少量专业数据继续训练一小段时间。
为什么模型越大效果越好？
AI圈有一个经验规律：模型参数量每增加10倍，性能会稳定提升。这被称为规模定律。但为什么大模型就一定更聪明呢？
Transformer中的注意力机制是怎么“注意”的
大模型的核心技术叫注意力机制。简单说，模型在读一段文字时，会给每个词分配不同的“关注程度”。