混合专家模型（MoE）通过动态激活参数提高效率，但训练中存在专家激活不均衡的问题。为解决此问题，引入全局负载均衡（LBL），显著提升模型性能和专家特异性。实验表明，扩大均衡范围可改善模型效果，局部均衡的适度添加也能提高效率。这项研究为MoE模型优化提供了新视角，助力更大规模的模型训练。