已验证65% 置信事实精确时间
MoE架构将Transformer的前馈网络层替换为多个并行专家子网络，通过路由网络对每个token动态选择激活2-4个专家
3
来源数
65%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
AI数据中心抢电：美国制造业能源成本为何持续飙升
hackernewshackernews2026/7/7
相关事实
待验证MoE架构将标准Transformer的FFN层替换为N个并行专家子网络，并通过门控路由网络每次选择Top-K个专家进行计算（通常K=2），实现稀疏激活84% 相似待验证Switch Transformer和Mixtral系列广泛采用了MoE架构71% 相似待验证代表性等变神经网络架构包括SchNet、EGNN、SE(3)-Transformer，扩散框架相关模型包括FrameDiff、FoldFlow64% 相似待验证DiT 架构用 Transformer 替代传统 U-Net 作为扩散模型骨干网络，能在 Patch 级别捕捉跨帧长程依赖关系64% 相似待验证Google 的 Switch Transformer（2021）和 Mistral 的 Mixtral 8x7B（2023）都采用了稀疏 MoE 架构，即每次前向传播只激活少数几个专家62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/489969API
curl https://kongchang.com/api/v1/knowledge/claims/489969MCP
get_claim(id=489969)