标签导航：

阿里云通义千问团队在最新论文中揭示了混合专家模型(moe)训练中的一个关键问题，并提出了一种创新的解决方案。该问题在于现有moe训练框架普遍采用局部负载均衡损失(lbl)，导致专家激活不均衡，限制了模型性能和专家特异性。

图片

该团队提出的方法通过轻量级通信机制，将局部负载均衡提升为全局负载均衡。这使得模型能够更好地利用数据多样性，从而提高专家特异化程度和整体模型性能。

图片 - 论文：《Demons in the Detail: On Implementing Load Balancing Loss for Training Specialized Mixture-of-Expert Models》

  • 论文链接：https://www.php.cn/link/b294fccdfe95bc7f7dd813216a821a76

图片

MoE训练中的挑战与解决方案

MoE通过路由机制动态激活模型参数，提升了模型容量。然而，基于TopK的稀疏激活容易导致专家激活不均衡，少数专家被过度利用，其余专家资源浪费。为此，通常引入LBL来平衡专家激活。

现有框架的LBL通常在局部(mini-batch)层面计算，这在mini-batch数据缺乏多样性时会限制专家特异化。 阿里云团队的方案通过跨mini-batch同步专家激活频率，实现全局LBL计算，有效解决了这个问题。

图片

图片

图片

图片

实验结果表明，该方法显著提升了模型性能和专家特异性，尤其是在大规模模型训练中效果明显。 此外，研究还发现，添加少量局部LBL可以进一步提高训练效率，而不会显著影响模型性能。

图片

图片

图片

图片

这项研究为MoE模型的训练提供了新的思路，有助于构建更高效、更可解释的大规模模型。 虽然实验主要集中在语言模型领域，但其方法具有广泛的应用前景。