moe

什么是稀疏 MoE？Doubao-1.5-pro 如何以少胜多？目前人工智能领域的大模型军备竞赛愈演愈烈，模型的参数量不断攀升，性能也随之水涨船高。然而，庞大的模型也带来了巨大的计算开销和部署难题，这让业界开始探索更加高效的模型架构。在这样的背景下，稀疏混合专家（Sparse Mixture of Experts，简称稀疏 MoE）架构脱颖而出，成为大模型发展的新宠儿。那么，什么是稀疏 MoE？它又有何神奇之处？它如何帮助大模型在性能和效率之间取得平衡？本文将为您揭开稀疏 MoE 的神秘面纱，并以字节跳动最新发布的 Doubao-1.5-pro 大模型为例，深入剖析其

&永恒的星河&

Hunyuan-Large：推动AI技术进步的下一代语言模型腾讯近期推出了基于Transformer架构的混合专家（MoE）模型——Hunyuan-Large（Hunyuan-MoE-A52B）。该模型目前是业界开源的最大MoE模型之一，拥有3890亿总参数和520亿激活参数，展示了极强的计算能力和资源优化优势。

在 LLM 架构中应用多专家模型本文转载自：在 LLM 架构中应用多专家模型 2024年 3月 14日 By Kyle Kranen and Vinh Nguyen https://developer.nvidia.cn/zh-cn/blog/applying-mixture-of-experts-in-llm-architectures/

LLM面面观之MoE根据本qiang~最新的趋势观察，基于MoE架构的开源大模型越来越多，比如马斯克的Grok-1(314B), Qwen1.5-MoE-A2.7B等，因此想探究一下MoE里面的部分细节。

MoE模型性能还能更上一层楼？一次QLoRA微调实践编者按：最近，混合专家(Mixture of Experts,MoE)这种模型设计策略展现出了卓越的语言理解能力，如何在此基础上进一步提升 MoE 模型的性能成为业界热点。

欢迎 Mixtral - 当前 Hugging Face 上最先进的 MoE 模型最近，Mistral 发布了一个激动人心的大语言模型: Mixtral 8x7b，该模型把开放模型的性能带到了一个新高度，并在许多基准测试上表现优于 GPT-3.5。我们很高兴能够在 Hugging Face 生态系统中全面集成 Mixtral 以对其提供全方位的支持 🔥！

混合专家模型 (MoE) 详解随着 Mixtral 8x7B (announcement, model card) 的推出，一种称为混合专家模型 (Mixed Expert Models，简称 MoEs) 的 Transformer 模型在开源人工智能社区引起了广泛关注。在本篇博文中，我们将深入探讨 MoEs 的核心组件、训练方法，以及在推理过程中需要考量的各种因素。

LIMoE：使用MoE学习多个模态文章链接：Multimodal Contrastive Learning with LIMoE: the Language-Image Mixture of Experts