路由策略

MoE-GRPO：在视觉语言模型中通过强化学习优化混合专家

MoE-GRPO: Optimizing Mixture-of-Experts via Reinforcement Learning in Vision-Language Models

把 MoE 视觉语言模型的专家路由从确定性 top-K 改成用 GRPO 学习的随机策略，并加入模态感知的路由引导；做多模态大模型推理或训练的人可以直接复用这套路由优化思路来缓解专家过拟合、提升专家利用率。