Attributions-gesteuertes und Coverage-maximiertes Pruning für strukturelle MoE-Kompression

arXiv:2606.18304v1 Ankündigungstyp: neu. Zusammenfassung: Mixture-of-Experts (MoE)-Modelle skalieren Compute effizient, bleiben aber aufgrund ihres erheblichen Speicherverbrauchs und Inference-Overhead teuer in der Bereitstellung. Bisherige Kompressionsmethoden operieren hauptsächlich auf Expert-Ebene, indem sie entweder ganze Experten entfernen oder