大語(yǔ)言模型（LLM）雖已展現(xiàn)出卓越的代碼生成潛力，卻依然面臨著一道艱巨的挑戰(zhàn)：如何在有限的計(jì)算資源約束下，同步提升對(duì)多種編程語(yǔ)言的理解與生成能力，同時(shí)不損害其在主流語(yǔ)言上的性能？

為此，中國(guó)移動(dòng)九天團(tuán)隊(duì)創(chuàng)新性地提出了 Hybrid MoE 架構(gòu) —— MultiPL-MoE，該方案的核心在于耦合兩個(gè)層次的專家選擇機(jī)制進(jìn)行優(yōu)化：在 Token 層級(jí)，采用配備共享專家及新穎門控權(quán)重歸一化方法的稀疏 MoE，以實(shí)現(xiàn)與段落層級(jí)專家的高效協(xié)同；在 Segment 層級(jí)，則創(chuàng)新性地引入滑動(dòng)窗口劃分與專家選擇路由策略，使模型能夠精準(zhǔn)捕捉不同編程語(yǔ)言的語(yǔ)法結(jié)構(gòu)與深層上下文模式。目前，該項(xiàng)研究已被 EMNLP 2025 接收。

• 論文標(biāo)題：MultiPL-MoE: Multi-Programming-Lingual Extension of Large Language Models through Hybrid Mixture-of-Experts
• 論文鏈接：https://arxiv.org/abs/2508.19268
• 代碼鏈接：https://github.com/Eduwad/MultiPL-MoE

背景

現(xiàn)有的通用大模型在代碼生成方面已經(jīng)展示出卓越的能力，然而大量研究表明這些大模型在高資源編程語(yǔ)言（如：Python）與低資源編程語(yǔ)言上（如：Rust）上存在顯著的性能差異，后者無論是在線資源還是訓(xùn)練數(shù)據(jù)集均相對(duì)匱乏。對(duì)多語(yǔ)言代碼生成能力日益增長(zhǎng)的需求，促使人們致力于將廣泛的編程語(yǔ)言知識(shí)注入 LLM。然而，現(xiàn)有的研究主要存在以下兩種問題：

1. 使用多種編程語(yǔ)言的數(shù)據(jù)對(duì)基座模型進(jìn)行繼續(xù)訓(xùn)練，但存在計(jì)算開銷極為龐大的問題；

2. 通過特定高質(zhì)量低資源數(shù)據(jù)對(duì)基座模型進(jìn)行微調(diào)以提升特定編程語(yǔ)言性能，但會(huì)引發(fā)基座模型原有代碼能力的嚴(yán)重災(zāi)難性遺忘問題。

因此，我們創(chuàng)新性地提出了一種 Hybrid MoE 結(jié)構(gòu)，即 token-level MoE 和 segment-level MoE 相結(jié)合的 MoE 架構(gòu)。Token-level MoE 采用典型的 sparse upcycling MoE 結(jié)構(gòu)，Segment-level MoE 則利用滑動(dòng)窗口獲得多個(gè)分段并搭配采用專家選擇 top-k 個(gè)分段的專家選擇路由的策略。實(shí)驗(yàn)結(jié)果證明了 MultiPL-MoE 的有效性。

方法

1. MoE 定義

MoE 通過將原 Transformer 結(jié)構(gòu)中的單一 FFN 層擴(kuò)展成  個(gè) FFN 層來實(shí)現(xiàn)模型的擴(kuò)容，使用結(jié)構(gòu)上與原始 FFN 層等效的  專家網(wǎng)絡(luò)。路由器將每個(gè)輸入 token 引導(dǎo)到  專家網(wǎng)絡(luò)中的 K 個(gè)專家， 是給定第 t 個(gè) token 的第 i 個(gè)專家的門控分?jǐn)?shù)。對(duì)于第 l 層，第 t 個(gè) token 的輸出隱藏狀態(tài)為  的計(jì)算過程如下：

2. MultiPL-MoE

MultiPL-MoE 的提出以優(yōu)化 token-level 和 segment-level 的專家選擇。Token-level MoE 是一種傳統(tǒng)的 token 選擇路由，結(jié)合了共享專家和一種新的路由權(quán)重歸一化方法，以解決后期與 segment-level MoE 融合時(shí)的規(guī)模不匹配問題。對(duì)于 segment-level MoE，我們采用專家選擇路由機(jī)制，將輸入作為上下文連貫的分段，使專家能夠捕捉語(yǔ)法結(jié)構(gòu)和一些篇章級(jí)的特征。

圖 1 MutilPL-MoE 的整體架構(gòu)

2.1 Token-level MoE

為了融合 token-level MoE 與 segment-level MoE 的輸出，在該層級(jí)對(duì)選中的 top-K 個(gè)專家的門控分?jǐn)?shù)施加限制。具體來說，使用路由器網(wǎng)絡(luò)計(jì)算當(dāng)前 token t 的共享專家的親和度得分，記為，并從剩余得分中選擇最高的 K-1 個(gè)親和度得分，將 K 個(gè)親和力得分之和用作縮放因子 Norm 對(duì)其進(jìn)行歸一化，確保

。 的值按照以下方式進(jìn)行更新：

2.2 Segment-level MoE

Segment-level MoE 采用專家選擇路由策略，為每個(gè)專家獨(dú)立選擇前 K 個(gè)分段。給定輸入樣本。首先根據(jù)上下文窗口 a 將 S 劃分為 P 段，表示為。專家容量 r 表示每個(gè)專家可以選擇的分段數(shù)目，定義如下：

采用三個(gè)矩陣 I、D 和 U 來生成專家到分段的分配。索引矩陣  將分段映射到專家，I [i,j] 表示第 i 個(gè)專家選擇的第 j 個(gè)分段，權(quán)重矩陣  為所選分段分配專家權(quán)重， 是 I 的 ont-hot 版本，用于聚合每個(gè)專家的分段。為了計(jì)算親和力得分，通過對(duì)第 v 個(gè)分段的 token 表示進(jìn)行平均，推導(dǎo)出第 v 個(gè)分段的表示。表示 batch 內(nèi)所有 V 個(gè)分段的表示，路由器和三個(gè)矩陣的計(jì)算過程定義如下：

通過使用矩陣 U 和一批輸入樣本  的分段表示來獲得第 i 個(gè)專家的輸入，表示為 ，使用專家的 FFN 變換生成第 i 個(gè)專家的輸出 。給定和矩陣 U、D，第 l 層 segment-level 的輸出 計(jì)算如下：

最后，融合 token-level MoE 和 segment-level MoE 的第 l 層輸出為：

2.3 損失函數(shù)

通過將 next token prediction loss 與 load balance loss 相結(jié)合來訓(xùn)練混合 MoE。

(1) next token prediction loss

(2) load balance loss

最終的優(yōu)化目標(biāo)為：

實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)結(jié)果表明，MultiPL-MoE 在跨語(yǔ)言泛化方面取得了顯著進(jìn)步。MultiPL-MoE 在 HumanEval 和 MBPP 的兩個(gè)基準(zhǔn)測(cè)試中均實(shí)現(xiàn)了一致的性能，即顯著增強(qiáng)了模型在低資源編程語(yǔ)言上的性能，同時(shí)有效緩解了高資源編程語(yǔ)言中的災(zāi)難性遺忘。同時(shí)，我們也注意到，除基礎(chǔ)模型 Qwen1.5 外，基線模型、MultiPL-MoE 的 MBPP Python 語(yǔ)言上都表現(xiàn)出持續(xù)較低的性能，遠(yuǎn)遠(yuǎn)低于其他語(yǔ)言。

圖 2 不同 Baseline 及 MultiPL-MoE 在 6 種編程語(yǔ)言上的實(shí)驗(yàn)結(jié)果。其中，Python，Java，C++ 代表高資源語(yǔ)言，Rust，Go，Ruby 代表低資源語(yǔ)言。

結(jié)語(yǔ)

本文提出了一種混合式多語(yǔ)言學(xué)習(xí)模型 (MoE)——MultiPL-MoE，它同時(shí)包含 token-level MoE 和 segment-level MoE。MultiPL-MoE 引入共享專家來捕捉 token 之間的知識(shí)共性，并在句段 (segment) 之間獲取句段間的語(yǔ)義和邏輯信息。在兩個(gè)不同的基準(zhǔn)測(cè)試集上進(jìn)行的大量實(shí)證研究證明了 MultiPL-MoE 是一種在預(yù)訓(xùn)練后階段擴(kuò)展低源碼編程語(yǔ)言的有效方法。