ConMoE

ConMoE框架无需重新训练即可压缩MoE模型

研究人员开发了ConMoE，一种无需重新训练即可压缩混合专家（MoE）语言模型的新颖框架。该方法通过将原始专家引用重新分配给一组较小的选定原型来合并专家池。ConMoE使用基于校准的信号来选择要保留的专家以及如何重新映射调用，从而保留了原始路由器接口。在deepseek-moe-16b-base和Qwen3-30B-A3B等模型上进行的实验表明，与现有的剪枝和合并技术相比，ConMoE实现了具有竞争力或更优越的压缩率。