体系 › 推論・高速化
·★ 会員·論文·9分で読めます

論文解説: IntBMoE — 全専門家を「参加」させつつ、計算は少数ブロックだけで済ませるMoE

MoEの「何人の専門家が知識を出すか」「何人分を計算するか」「何人分の重みを作って置くか」は、これまで独立に決められなかった。専門家の合成とブロックの疎な実行を分けてこれを解いた IntBMoE (arXiv:2609.21346) を、論文本文だけを根拠に1から解説する。

要点

  • IntBMoEは、1トークンの「参加」「実行」「実体化」という3つの量を切り離すMoEの設計である。
  • 参加は知識を出す専門家の数、実行は実際に計算する数で計算コスト、実体化は作って保持する専門家サイズの重みの数でメモリコストである。
  • IntBMoEは密な専門家の合成と疎なブロックの実行を組み合わせ、画像分類で代表的な疎・密のMoEに一貫して勝った。
  • 疎なルーティングは上位k人だけを処理させ、選ばれなかった専門家は出力にも学習の信号にも関わらない。
  • 高徳地図(AMap)の推薦システムに全面導入され、60msの予算内でUVCTRを相対2.4%改善した。
対象imageタスクinference

IntBMoE: Integrating Block-Level Conditioning into Expert Composition for Full-Participation Mixture-of-Experts

一次資料 — この記事の根拠

論文の発表 2026-09-18→この解説の公開 2026-09-25同月

IntBMoE: Integrating Block-Level Conditioning into Expert Composition for Full-Participation Mixture-of-ExpertsRan Cheng, Longfei Xu, Zheng Liu ほか · 2026-09-18 · v1arXiv:2609.21346論文ページ·PDF
原文の要旨(Abstract)を読む

Mixture-of-Experts (MoE) scales capacity, but existing designs cannot set three quantities independently. For a single token, participation is how many experts contribute knowledge to its output, execution is how many are actually computed (compute cost), and materialization is how many expert-sized parameter sets must be built and stored (memory cost). Sparse routing keeps execution and materialization low, but shrinks participation: for each token, only a few experts contribute. Dense output-mixing restores full participation, but its execution grows with the number of experts. Parameter-merging keeps execution at one expert, but its materialization grows with the number of routing decisions. We propose IntBMoE, a block-conditioned MoE that decouples all three by pairing dense expert composition with sparse block execution. Its blocks come from a small learned codebook, one per entry. At each internal layer, a lightweight hypernetwork merges all expert bases in that layer's pool into one composed expert. Participation is full, because every composed expert draws on the entire pool. Execution stays sparse, because a router sends each token to only a few blocks. Materialization is bounded, because the codebook, not the input, fixes how many blocks exist. Dual-Path Residual Gating (DPRG) further couples two independently composed paths through multiplicative gating. Experiments on image classification show consistent gains over representative sparse and dense MoE baselines. Additional experiments on language modeling and sequential recommendation validate its generalization beyond vision. IntBMoE is fully deployed in AMap's generative recommendation system, serving hundreds of millions of users under a 60ms latency budget, with a 2.4% relative UVCTR gain in online A/B testing. Our code is available at https://github.com/AMAP-ML/DreamX-Rec/.


厨房のたとえ

厨房に16人の料理人がいるとします。注文ごとに全員を呼べば全員の知恵が皿に入りますが、人件費は16倍です。2人だけ呼べば安く済みますが、残り14人の腕は眠ったままです。

そこで開店前に全員で「8種類のレシピ」を作り置き、注文ごとにそのうち2つだけを調理することにします。どのレシピにも16人全員の知恵が入っていて、調理は2品分で済み、冷蔵庫の中身も8種類から増えません。これが今回の論文 "IntBMoE: Integrating Block-Level Conditioning into Expert Composition for Full-Participation Mixture-of-Experts"(arXiv:2609.21346、Alibaba Group DreamX、2026-09-18公開)の考え方です。

論文の要旨はこうです。MoEには、1トークンについて 参加(知識を出す専門家の数)、実行(実際に計算する数=計算コスト)、実体化(作って保持する専門家サイズの重みの数=メモリコスト)という3つの量があるのに、既存の設計はこれらを独立に決められない。IntBMoEは密な専門家の合成と疎なブロックの実行を組み合わせてこの3つを切り離し、画像分類で代表的な疎・密のMoEに一貫して勝った。言語モデリングと系列推薦でも効果を確かめ、高徳地図(AMap)の推薦システムに全面導入して、60msの予算内でUVCTRを相対2.4%改善した。

MoEの基礎はMixture of Expertsの解説が前提になります。

既存の3方式と、それぞれの詰まり

1つ目は疎なルーティングです(§3)。

yt=∑e∈TopK(rt,k)pt,e fe(xt)\mathbf{y}_t=\sum_{e\in\mathrm{TopK}(\mathbf{r}_t,k)} p_{t,e}\, f_e(\mathbf{x}_t)
(1)

言い換えると「点数の高い kk 人だけにトークンを処理させ、確率 pt,ep_{t,e} で重み付けして足す」です。選ばれなかった専門家は出力に関わらず、学習の信号も受け取りません(§1)。

2つ目の密な混合は全員を計算するので、計算量が専門家の数に比例します。3つ目のパラメータ統合(SMEARなど)は全員の重みを平均して1人分の専門家を作りますが、ルーティングの単位ごとに重みを作り直すので、トークン単位で行うと実体化が膨らみます(§3)。

ルーターが点数を確率に変える softmax は下の図で触れます。上位 kk 個だけ残すのが疎なルーティングです。

FIG 1ルーターの点数をsoftmaxで確率にする。上位k個だけ残すのが疎なルーティング、全部使うのが密な混合

仕組み: 「作り置き」と「選んで実行」を分ける

IntBMoEはTransformerのFFN層を置き換えます(§4.1)。各モジュールは KK 個の学習可能なベクトル cb\mathbf{c}_b からなるコードブック(レシピ名の一覧)を持ちます。小さなハイパーネットワーク(重みを出力するネットワーク)が各 cb\mathbf{c}_b から係数 αb\boldsymbol{\alpha}_b を出し、層ごとの専門家プールを混ぜます(§4.2)。

言い換えると「ブロック の第 層の重みは、 人の専門家の重みをレシピの係数で足したもの」です。 は専門家が増えても重みの大きさを保つための縮尺です。係数は正規化されず負の値もとれるので、専門家の「平均」より広い範囲を表せます。入力はコードブックだけなので、 個のブロックはトークンと無関係に一度作れば使い回せます。…

この先にあるもの

§

ここから先は会員限定です

解説記事449本・教科書42章・学生モード48単元・論文精読6本が、月額¥490ですべて読み放題になります。新しい解説は1日あたり平均3本ほど増えます。いつでも解約でき、解約後も期間の終わりまで読めます。

会員の方はログインすると続きが表示されます

参考文献

  1. Ran Cheng, Longfei Xu, Zheng Liu, Kaikui Liu et al.. (2026-09-18) IntBMoE: Integrating Block-Level Conditioning into Expert Composition for Full-Participation Mixture-of-Experts. arXiv:2609.21346論文ページ·PDF

本記事は上記論文の本文にもとづいて執筆しています。数値・主張は原典を優先してください。

運営: TechAthletes · 編集方針 · 出典の付け方 · 訂正の記録

コメント

コメントにはログインが必要です