精选理由
MoE模型部署内存瓶颈的团队终于有了无需微调的压缩方案——ConMoE通过原型重分配直接减少专家数量，做模型推理优化的开发者可以试试这个即插即用的方法。
ConMoE提出了一种新的MoE模型压缩方法，通过原型重分配将原始专家映射到保留的少量原型专家上，无需权重更新或微调。该方法将压缩视为专家池整合，利用校准数据选择贡献大且可替换性高的专家作为原型，并支持跨层共享。在deepseek-moe-16b-base、Qwen3-30B-A3B和OLMoE-1B-7B-0125三个模型上，ConMoE在25%和50%专家缩减下均达到或超越现有剪枝与合并方法。实验表明确定性重分配是最稳定的组件，而跨层共享和权重融合效果依赖具体模型。这项工作为部署MoE模型提供了低成本的压缩方案。
AI 翻译 · 中文
ConMoE提出了一种新的MoE模型压缩方法，通过原型重分配将原始专家映射到保留的少量原型专家上，无需权重更新或微调。该方法将压缩视为专家池整合，利用校准数据选择贡献大且可替换性高的专家作为原型，并支持跨层共享。在deepseek-moe-16b-base、Qwen3-30B-A3B和OLMoE-1B-7B-0125三个模型上，ConMoE在25%和50%专家缩减下均达到或超越现有剪枝与合并方法。实验表明确定性重分配是最稳定的组件，而跨层共享和权重融合效果依赖具体模型。这项工作为部署MoE模型提供了低成本的压缩方案。
Mixture-of-Experts (MoE) language models reduce per-token computation but still require storing and serving all experts, making deployment memory-intensive. Existing post-training compression methods mainly shrink this c…