🚀 MoE-4x72B-MergeKit: 面向领域专家融合的模块化 MoE 方法

📘 项目简介

本项目探索了使用 MergeKit 构建 混合专家模型（Mixture-of-Experts, MoE） 的高效范式。我们将 4 个基于 Qwen2.5-72B-Instruct 微调的领域专精模型合并为一个总参数量约 247B 的 MoE-4x72B-MergeKit 模型，合并后的模型在基础模型对应的领域任务中均展现出良好性能，验证了基于提示引导的 MoE 融合方案在快速、可插拔式领域能力扩展场景中的实用价值。

🧠 背景与目标

随着大模型能力的发展，实际应用中对领域专长能力的可控组合提出了更高要求。本项目旨在验证以下方向的可行性：

• 无需重新训练，是否能融合多个同源的领域专家模型？
• 基于 Prompt 引导，是否能构建领域明确的专家路由？
• MoE 架构能否实现按需扩展/替换领域能力？
• 合并后的模型是否能在各自领域保持甚至超越原始模型性能？

🧩 领域专家模型

本项目中涉及的 4 个领域专家模型属于 Qwen2.5-72B-Instruct 的不同微调版本，详情如下：

专家名称	能力方向	模型路径
📐 数学专家	解题、推理	Qwen2.5-Math-72B-Instruct
🧬 医学专家	问诊、医学知识	Qwen2.5-Aloe-Beta-72B
🧾 业务专家	自我认知、内部业务场景	-
🔧 共享专家	通用能力	Qwen2.5-72B-Instruct

⚙️ MoE 融合原理

本项目使用 MergeKit 的 mergekit-moe 工具构建 MoE 模型，所有专家均通过 positive_prompts / negative_prompts 进行能力域控制，确保领域间的分工明确，避免路由混淆。方案具备如下特性：

• 🔀 Token 级专家路由：模型根据每个输入 token 的内容，动态选择最合适的专家模型。
• 🧠 Prompt 引导领域分工：通过设置正/负样例提示（prompts）进行领域专家能力划分。
• 🧩 共享专家机制：引入 residual_scale 控制的通用专家，提高跨任务处理能力。
• ⚡ 轻量高效推理：设置 experts_per_token=1，每个 token 仅激活一个专家，显著降低计算资源需求。

MergeKit 的 MoE 合并无需对专家模型进行再训练，适合在多模型体系中构建模块化组合。详见 官方文档。

📁 模型结构配置示例

以下为用于模型合并的配置文件简要示意：

base_model: Qwen2.5-72B-Instruct
architecture: qwen
gate_mode: hidden
dtype: bfloat16
experts_per_token: 1

experts:
  - source_model: Qwen2.5-Math-72B-Instruct
    positive_prompts:
      - "你是一个高中数学老师"
  - source_model: Qwen2.5-Aloe-Beta-72B
    positive_prompts:
      - "你是心脑血管专家"
  - source_model: <Expert for self-identity and internal task handling>
    positive_prompts:
      - "你是谁"
      - <internal task>

shared_experts:
  - source_model: Qwen2.5-72B-Instruct
    positive_prompts:
      - "你是一个AI代码助手"
    residual_scale: 0.1

完整配置请见 merge_moe.yaml。

📊 模型性能评测

我们使用内部评测脚本，将 MoE-4x72B-MergeKit 模型与各个基础专家模型在下列任务中进行了对比：学科知识（MMLU）、语言理解（CLUEWSC）、阅读理解（DROP）、知识问答（OpenBookQA）、代码生成（HumanEval/MBPP）、逻辑推理（BBH）、数学（CMATH/APE210K）。

模型	Qwen2.5-72B-Instruct	Qwen2.5-Math-72B-Instruct	Qwen2.5-Aloe-Beta-72B	MoE-4x72B-MergeKit
MMLU	83.47	-	-	81.01
CLUEWSC	85.59	-	-	87.39
DROP	66.80	-	-	67.06
CLUE_C3	97.41	-	-	96.88
OpenBookQA	92.40	-	-	94.20
HumanEval	87.20	-	-	85.15
MBPP	79.00	-	-	78.40
BBH	80.00	-	45.25	87.40
CMATH	81.17	94.30	-	88.17
APE210K	77.30	-	-	77.80
MedQA	77.93	-	85.94	82.78

从上表中的评测结果可以看出，MoE-4x72B-MergeKit 模型成功融合了 Qwen2.5-Math-72B-Instruct 数学专家模型的数学能力与 Qwen2.5-Aloe-Beta-72B 医学专家模型的医学能力，同时在通用任务上保持了与共享专家 Qwen2.5-72B-Instruct 同等的性能。

📖 引用

如果您在研究中使用了本项目，请参考以下方式引用：

@misc{MoE-4x72B-mergekit,
  title={MoE-4x72B-MergeKit: A Modular MoE Approach for Domain Expert Fusion},
  author={wenge-research},
  year={2025},
  url={https://github.com/wenge-research/MoE-4x72B-mergekit}
}