跳转至

Data Scarcity and Model Sparsity: Mixtures-of-Experts Overfit More to Repeated Data

复现级别：L1 核心机制诊断。 本地实现随重复倍数和稀疏度变化的正则 schedule；未进行大规模预训练。

论文信息

字段 内容
论文链接 Data Scarcity and Model Sparsity: Mixtures-of-Experts Overfit More to Repeated Data
公司/机构 Stanford University（按第一作者署名单位）
首次公开日期 2026-09-10
原文开源代码 否：未找到作者公开仓库（核查日期：2026-09-14）
Adapter / 方法 repeat-aware-moe
本地复现代码 src/auto_research/foundation_latest_20260914.py

原始论文总结

背景与主要改动

研究重复数据下 MoE 比 Dense 更早过拟合的问题，并用更强 masking/dropout 抑制 expert 记忆化。

flowchart LR
  I[输入与公开状态] --> M[repeat-aware-moe 核心机制]
  M --> A[可审计中间量]
  A --> O[输出或更新]

原论文关键图

Data Scarcity and Model Sparsity: Mixtures-of-Experts Overfit More to Repeated Data 原论文 Figure 1

原论文 Figure 1（关键图）：展示原论文方法的总体设计和关键组成。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式或操作

本地代码把论文决定性操作实现为确定性的 reference kernel，并显式输出门控、选择、投影、图边或状态更新统计；测试覆盖公式不变量和边界条件。

论文离线与线上效果

强正则下，MoE 即使在 64 倍数据重复时仍可优于 Dense。 这些数字来自原论文，不与本地缩小实验直接比较；论文未报告线上 A/B 时不推断线上收益。

本地复现

三种子指标见 metrics/mechanism-seeds42-44.json。所有候选使用相同公开 fixture、预算和 seed；本页结果只证明核心状态转换实际执行。

复现边界

本地实现随重复倍数和稀疏度变化的正则 schedule；未进行大规模预训练。