跳转至

Read this paper write-up in English

Cross-Entropy Guided Routing in Mixture-of-Experts Large Language Models

复现级别：L1 核心机制诊断。 执行 error-aware routing 公式；未训练 Granite MoE。

论文信息

字段 内容
论文链接 arXiv 2609.37751
公司/机构 Bar-Ilan University（按第一作者署名单位）
首次公开日期 2026-09-29（arXiv v1）
原文开源代码 否：截至 2026-10-01 未找到原作者公开仓库
Adapter ce-guided-moe
本地复现代码 src/auto_research/foundation_latest_20261001.py

原始论文总结

背景与主要改动

在原生 MoE affinity 旁增加逐 expert token-error head，并用预测误差的 started-log 对路由 logit 做衰减；高预测错误的 expert 在 Top-K 前被降权，同时误差头由真实 next-token CE 监督。

flowchart LR
  I[公开输入/当前状态] --> M[ce-guided-moe 核心机制]
  M --> A[可审计中间量]
  A --> O[输出/更新状态]

原论文关键图

Cross-Entropy Guided Routing in Mixture-of-Experts Large Language Models 原论文 Figure 1

原论文 Figure 1（关键图）：展示原论文的整体流程、关键阶段及其数据流向。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

\(\tilde a_{t,i}=a_{t,i}-\gamma\log(1+\hat e_{t,i}/\tau)\)，再对 \(\tilde a\) 做 softmax 与 Top-K。

论文离线与线上效果

Granite MoE 实验报告平均约 2.3 个百分点提升；本地只验证误差感知 affinity 衰减。

本地复现

本地对照口径：基线为论文机制关闭或默认状态，实验组为开启对应核心算子；本批只验证不变量和状态转换，跨模型相对变化不适用。

三种子诊断见 metrics/mechanism-seeds42-44.json。diagnostic_only=true，只证明核心状态转换、梯度或调度不变量可执行，不能进入正式能力排名。

复现边界

执行 error-aware routing 公式；未训练 Granite MoE。