待验证50% 置信事件精确时间
在32专家微型字符模型的实验中，Token Choice路由无负载均衡损失时，训练早期单个专家吞掉了57%的token，32个专家中有17个几乎无人问津。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
MoE路由机制解析：三大问题与两种修复方案
redditr/deeplearning2026/10/15
涉及实体
相关事实
待验证在32专家微型字符模型的三轮对照实验中，Expert Choice路由取得了三轮中最低的评估损失。80% 相似待验证Anthropic的研究表明，即便温和的对齐训练也会导致模型在某些推理密集型任务上下降2-8个百分点74% 相似待验证选择与生成的差距超过50个百分点，揭示当用户需要模型直接写出亲属称谓时可靠性远低于基准测试所呈现的水平73% 相似待验证从模型无约束采样八个候选时，训练数据有限情况下有10.2%的输入无法产生任何有效输出，使用全量训练数据时该比例降至0.4%72% 相似待验证Anthropic随机试验以52名工程师（多为初级）学习不熟悉的Python库，AI辅助组理解测验平均分为50%，手写代码组为67%，差距最大的是调试类问题；AI带来的速度优势约2分钟且不具备统计显著性。71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1035486API
curl https://kongchang.com/api/v1/knowledge/claims/1035486MCP
get_claim(id=1035486)