概述
门控和路由让神经网络仅激活每个输入所需的部分，而不是每次都运行整个模型。这将模型大小与计算成本分离，从而使大型模型能够保持快速且廉价的运行速度。
条件计算中的门控和路由是一个技术构建块，会大规模影响模型质量、基础设施成本、延迟和可靠性。
深入探讨
条件计算意味着网络根据数据做出有关使用哪些子模块的决策。一个小型的学习“门控”或“路由器”网络会查看每个输入（通常是每个令牌）并生成分数，选择将其发送给哪些“专家”。在专家混合 (MoE) 层中，存在数十或数百个专家子网络，但路由器仅选择每个令牌的前一两个专家子网络，因此大多数专家对于任何给定输入都保持空闲状态。结果是一个总参数数量巨大但活动数量较少的模型，以小得多的运行时成本提供了巨型模型的表征能力。这就是 Switch Transformer、GLaM 和许多前沿大型语言模型等模型如何以经济实惠的方式扩展到数万亿个参数的方式。
技术洞察
路由器通常计算专家的 softmax 并选择 top-k，然后组合按门得分加权的输出。负载平衡是一个挑战：路由器往往偏爱少数专家，而让其他专家未经培训。因此，训练增加了辅助负载平衡损失以均匀分布令牌，以及丢弃或重新路由溢出令牌的容量限制。由于 top-k 选择是离散且不可微的，因此梯度仅流经所选专家及其门权重。
掌握条件计算中的门控和路由
门控和路由让神经网络仅激活每个输入所需的部分，而不是每次都运行整个模型。这将模型大小与计算成本分离，从而使大型模型能够保持快速且廉价的运行速度。条件计算中的门控和路由是一个技术构建块，会大规模影响模型质量、基础设施成本、延迟和可靠性。为了建立深入的理解，请将条件计算中的门控和路由视为一种操作模型，而不是单个功能：定义所需的结果，澄清假设，并将系统可以可靠地执行的操作与仍需要专家判断的操作分开。
在实践中，强大的团队在条件计算中使用门控和路由，根据可靠性和成本优化架构、数据和基础设施选择。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
多年来，架构决策决定着性能和运营成本。与此同时，优化一个基准测试可以隐藏更广泛的系统弱点。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
多年来，架构决策决定着性能和运营成本。
多年来，架构决策决定着性能和运营成本。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
技术教育帮助团队选择正确的堆栈，而不仅仅是最新的堆栈。
技术教育帮助团队选择正确的堆栈，而不仅仅是最新的堆栈。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
更好的工程选择可以减少生产中的可靠性事故。
更好的工程选择可以减少生产中的可靠性事故。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
Switch Transformer 将每个代币路由到单个专家，扩展到超过一万亿个参数，同时保持每个代币的计算量较低。
使用专家混合层的前沿大型语言模型，因此每个令牌仅激活一小部分权重。
提前退出的图像分类器在处理简单图像时停在浅层，仅在处理困难图像时才运行更深的层。
多语言模型，其路由器学习将不同语言的令牌发送给不同的专业专家。
实施模式
条件计算中的门控和路由实践
Switch Transformer 将每个代币路由到单个专家，扩展到超过一万亿个参数，同时保持每个代币的计算量较低。
Switch Transformer 将每个令牌路由给单个专家，扩展到超过一万亿个参数，同时保持每个令牌的计算量较低。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
条件计算中的门控和路由实践
使用专家混合层的前沿大型语言模型，因此每个令牌仅激活一小部分权重。
使用专家混合层的前沿大型语言模型，因此每个令牌只激活一小部分权重。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
条件计算中的门控和路由实践
提前退出的图像分类器在处理简单图像时停在浅层，仅在处理困难图像时才运行更深的层。
提前退出的图像分类器在简单图像时停留在浅层，仅在困难图像时运行更深层次。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
条件计算中的门控和路由实践
多语言模型，其路由器学习将不同语言的令牌发送给不同的专业专家。
多语言模型的路由器学习将不同语言的令牌发送给不同的专业专家。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
风险与防护栏
优化一项基准测试可以隐藏更广泛的系统弱点。
基础设施和维护成本常常被低估。
随着系统变得更加复杂，安全性和可观察性差距可能会扩大。
实施路线图
在实施之前定义延迟、质量和成本目标。
在实施之前定义延迟、质量和成本目标。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在实际负载和数据条件下进行基准测试。
在实际负载和数据条件下进行基准测试。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
仪器监控错误、漂移和用户影响。
仪器监控错误、漂移和用户影响。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在扩展之前准备回滚和事件响应路径。
在扩展之前准备回滚和事件响应路径。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。