昨天，DeepSeek 在 GitHub 上线了一个新的代码库：LPLB。 项目地址：https://github.com/deepseek-ai/LPLB 没有发推文，也没有公众号更新，少有的几个技术博主分享的推文也关注不多。截至目前，该项目的 star 数量也还没超过 200。 但仔细一看，这个项目却似乎并不简单，值得更多关注。X 网友 gm8xx8 评论认为这表明 DeepSeek 正在解决正确性和吞吐量瓶颈问题，为下一版模型发 布做准备。 项目简介 顾名思义，LPLB 是一个并行负载均衡器，它利用线性规划（Linear Programming）算法来优化 MoE（混合专家）模型中的专家并行工作负载分配。 具体来说，LPLB 通过以下三个步骤实现动态负载均衡： 动态重排序： 基于工作负载统计信息对专家进行重排序（Reordering）。 构建副本： 结合静态拓扑结构构建专家副本（Replicas）。 求解最优分配： 针对每个批次（Batch）的数据，求解最优的 Token 分配方案。 更具体而言，LPLB 的专家重排序过程由 EPLB 协助完成。而实时工作负载统计信息可以由用户提供、通过 torch.d ...

机器之心报道 编辑：Panda 没有发推文，也没有公众号更新，少有的几个技术博主分享的推文也关注不多。截至目前，该项目的 star 数量也还没超过 200。 但仔细一看，这个项目却似乎并不简单，值得更多关注。X 网友 gm8xx8 评论认为这表明 DeepSeek 正在解决正确性和吞吐量瓶颈问题，为下一版模型发布做准 备。 昨天，DeepSeek 在 GitHub 上线了一个新的代码库： LPLB 。 项目地址：https://github.com/deepseek-ai/LPLB 项目简介 LPLB，全称 Linear-Programm i ng-Based Load Balancer ，即基于线性规划的负载均衡器。 顾名思义，LPLB 是一个并行负载均衡器，它利用线性规划（Linear Programming）算法来优化 MoE（混合专家）模型中的专家并行工作负载分配。 具体来说，LPLB 通过以下三个步骤实现动态负载均衡： 3. 求解最优分配 ： 针对每个批次（Batch）的数据，求解最优的 Token 分配方案。 1. 动态重排序 ： 基于工作负载统计信息对专家进行重排序（Reordering）。 2 ...