Three Phases of Expert Routing: How Load Balance Evolves During Mixture-of-Experts Training

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autor principal:	Mouzouni, Charafeddine
Formato:	Preprint
Publicado:	2026
Materias:	Machine Learning Artificial Intelligence Multiagent Systems 91A13, 91A10, 68T07 I.2.6; G.3
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2604.04230