🔥必读！Qwen 负责人刘大一恒团队把极稀疏 MoE 的负载不均当成闭环控制来解！这对Qwen 4.0 而言意义重大！

wryip

🔥必读！Qwen 负责人刘大一恒团队把极稀疏 MoE 的负载不均当成闭环控制来解！这对Qwen 4.0 而言意义重大！

他们发现：专家池越大、每 token 只点亮一小撮，容量能涨、推理成本几乎不动。DeepSeekMoE 16B 是 64 专家选 6 个（激活约 9.4%），Kimi K3 已到 896 专家选 16 个（约 1.8%）。再往 5 万亿、10 万亿走，热门专家会打满 GPU，闲置专家却训不透。

ID Balancing 的关键点：
1️⃣给现有方法定身份。DeepSeek 的 loss-free 是固定步长积分控制，Kimi K3 的 Quantile Balancing 是广义比例控制，都是不完整 PID。

2️⃣新方法是 ID 控制器，不用辅助 loss。积分项按负载误差缩放，偏得越大纠得越猛，接近均衡就收步；微分项只在失衡正在恶化时打开，提前刹车。

3️⃣768 专家、Top-10 / Top-5 / Top-3 对比。最稀的 Top-3 里，相对最好基线，主干最坏 MaxVio 降超过 50%，训练平均 MinVio 降超过 12%。辅助 loss 的 MaxVio 可飙到约 211，ID Balancing 约 15。

4️⃣规模从 18.9B 拉到 69.9B，最坏 MaxVio 几乎不动（约 8.4→7.8），比辅助 loss 低约 89.6%。越稀疏优势越大，语言建模和下游不掉点。

大误差大力纠，恶化才加导数，靠近均衡就收手。

论文：https://arxiv.org/abs/2609.39137