---
id: wiki-2026-0508-mixture-of-experts-moe-sparse-ar
title: "Mixture of Experts (MoE) & Sparse Architectures"
category: 10_Wiki/Topics
status: needs_review
canonical_id: self
aliases: [P-Reinforce-AUTO-MOES-001]
duplicate_of: none
source_trust_level: A
confidence_score: 1.0
tags: [auto-reinforced, moe, mixture-of-experts, sparse-architecture, routing, compute-efficiency]
raw_sources: []
last_reinforced: 2026-05-04
github_commit: pending
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
tech_stack:
  language: unspecified
  framework: unspecified
---

# [[Mixture of Experts (MoE) & Sparse Architectures|Mixture of Experts (MoE) & Sparse Architectures]]

## 📌 한 줄 통찰 (The Karpathy Summary)
> "지능의 분업화: 거대한 지식을 가진 수많은 전문가들을 모델 안에 배치하고, 매 순간 필요한 소수의 전문가만 활성화함으로써 모델의 크기는 키우되 연산 비용은 낮게 유지하는 경제적 지능 설계."

## 📖 구조화된 지식 (Synthesized Content)
MoE(Mixture of Experts)는 모델의 전체 파라미터 중 일부만 연산에 참여시키는 희소(Sparse) 모델 설계 방식입니다.

1.  **핵심 원리**:
    *   **Experts (전문가)**: 모델 내부의 FFN 계층을 여러 개의 독립된 '전문가' 네트워크로 나눕니다.
    *   **Router (라우터)**: 입력된 토큰별로 가장 적합한 전문가(보통 상위 1~2개)를 선택하여 연산을 보냅니다.
    *   **Shared Experts (공유 전문가)**: 특정 모델(예: DeepSeek)은 모든 토큰이 공통적으로 거치는 '공유 전문가'를 두어 지식의 기초를 다집니다.
2.  **주요 장점**:
    *   **연산 효율성**: 전체 파라미터가 1조 개(1T)라도 추론 시에는 수십억 개만 사용하므로 속도가 빠릅니다.
    *   **확장성**: 동일한 컴퓨팅 자원으로 더 방대한 지식을 담은 모델을 구축할 수 있습니다.
3.  **대표적 모델**:
    *   GPT-4 (알려진 바에 따르면 MoE 아키텍처), Mixtral 8x7B, DeepSeek-V3.

## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
*   **VRAM 점유**: 추론 연산은 적게 하지만, 모든 전문가의 가중치를 메모리에 올려두어야 하므로 요구되는 VRAM 용량은 모델의 전체 크기만큼 큽니다.
*   **전문가 붕괴 (Expert Collapse)**: 라우터가 특정 전문가에게만 일을 몰아주어 나머지 전문가들이 학습되지 않는 현상이 발생할 수 있습니다. 이를 방지하기 위한 부하 분산(Load Balancing) 기술이 필수적입니다.
*   **배포 복잡성**: 전문가들을 여러 GPU에 분산 배치하고 동기화하는 과정이 일반 모델보다 훨씬 까다롭습니다.

## 🔗 지식 연결 (Graph)
*   **기반 구조**: [[Transformer Architecture|Transformer Architecture]]
*   **연관 기술**: [[Routing Mechanism|Routing Mechanism]], [[Sparse Attention|Sparse Attention]]
*   **경쟁 구조**: Dense Models (Llama 3 등)

---
*Last updated: 2026-05-04*

## 🤖 LLM 활용 힌트 (How to Use This Knowledge)

**언제 이 지식을 쓰는가:**
- *(TODO)*

**언제 쓰면 안 되는가:**
- *(TODO)*

## 🧪 검증 상태 (Validation)

- **정보 상태:** needs_review
- **출처 신뢰도:** A
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*

## 🧬 중복 검사 (Duplicate Check)

- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
- **처리 방식:** UPDATE (자동 정규화)
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.

## 🕓 변경 이력 (Changelog)

| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|------|-----------|-----------|--------|
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |

## 💻 코드 패턴 (Code Patterns)

**패턴 1:** *(TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)*

```text
# TODO
```

## 🤔 의사결정 기준 (Decision Criteria)

**선택 A를 써야 할 때:**
- *(TODO)*

**선택 B를 써야 할 때:**
- *(TODO)*

**기본값:**
> *(TODO)*

## ❌ 안티패턴 (Anti-Patterns)

- **[안티패턴]:** *(TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)*