**SplitMoE：打破均匀性陷阱的视频扩散模型扩展架构**

_Breaking the Uniformity Trap: Scaling Video Diffusion Model via SplitMoE_

> 针对传统视觉MoE在视频生成中因强制均匀路由导致的语义碎片化问题，提出SplitMoE架构。该模型将专家池显式分为语义专家与通用专家，结合原型引导路由及推拉正则化，使Token按语义自然聚类。实验表明，在同等激活参数预算下，SplitMoE在收敛速度、路由连贯性及视频生成质量上均优于传统负载均衡MoE，为构建大规模视频世界模型提供了模态感知的扩展路径。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-30 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.38140)