MoE 模型的核心痛点，硬 Top-K 选择操作不可微分，无法反向传播梯度
路由层计算每个专家的原始得分 h(x)=W_r ✖️ x，再选出得分最高的 K 个专家，但存在三大缺陷：
- 被选中的专家仅能通过门控权重（选中专家内做 softmax）接收梯度
- "选哪 K 个专家" 这个离散决策本身梯度为 0
- 训练死锁风险：某个专家长期没被选中 → 永远接收不到梯度更新 → 永远不会被选中（专家坍缩）
W_r 专家的打分权重
第一句 - 已被选择专家通过 gate weight（门控权重） （softmax 作用在已选择上面）更新梯度
梯度链式拆解，损失 L 对 W_r 的梯度链式法则（分两部分看，一部分是选中专家h1和h2，另一部分是未选中专家h3和h4）：
第二句 - 选择决策本身（选哪k个专家）梯度恒为0 
第三句 - 专家恶性循环
