09:41arXiv cs.AI@Zhiyao Xu, Aoxue Liu, Zhanjie Ding, Dan Zhao, Yong Jiang, Qing Li稀疏激活的混合专家(MoE)模型在分布式推理中面临跨GPU通信和负载不均问题。现有方法通过全局路由痕迹平均化处理专家共激活模式,忽略了多任务场景下不同任务族的异质性。本文提出TACG框架,利用任务族特定的调度和共激活痕迹,为每个专家推导任务族偏好,重新加权共激活图,使同族专家优先部署在同一GPU上。同时引入GESR机制,复制通用专家到少量辅助GPU,在线推理时兼顾局部性和负载均衡。在三个开源MoE模型上,该方法平均降低通信成本31.39%,Jain公平指数达0.9975,且对推理数据分布偏移具有鲁棒性。论文MoE模型分布式推理通信优化任务感知分组负载均衡推荐理由:MoE推理的通信瓶颈终于有了任务感知的解法——做多任务MoE部署的团队可以直接参考TACG的静态分组+GESR动态复制策略,实测通信成本降三成,公平性几乎无损。原文