Target: Opportunistic Expert Activation: Batch-Aware Expert Routing for Faster Decode Without Retraining Category: algorithm · Mode A (one entity vs its peers)
这个 cluster 是一个松散的 algorithm 类邻域——只有一篇（Kimi K2）与 OEA 共享真正的技术底座（MoE + Qwen/DeepSeek 谱系），其余各篇通过"推理时算子级加速 / 内存带宽瓶颈 / 训练-free 干预"等方法学侧面与 OEA 相邻，而非同题竞争。分层如下：
A. 真正近邻（MoE 底座重叠）
B. 方法学近邻（training-free / plug-and-play 推理加速）
C. 瓶颈同源（memory-bound / bandwidth-bound roofline）
D. 分析/诊断近邻（LLM 内部结构的 training-free 探测）
E. 弱相关（同 algorithm 标签，但问题域不同）
判定关联的依据：OEA 的三条主张（memory-bound roofline、training-free 推理干预、单旋钮部署）分别在 C 组、B 组、E 组(DreamerV3) 找到对照；真正的 delta 竞争只发生在与 A 组（K2）和论文自身引用但不在 scope 的 Lynx / Not-All-Experts 之间。
cluster 内没有对同一指标的正面数据冲突（问题域不重叠），但存在一处设计哲学张力值得标注：
DreamerV3 的核心论点是"跨域鲁棒性来自一整套互相配合、缺一不可的量纲无关变换，任一减弱即在某任务子集退化"[2301.04104]。OEA 的经验结论恰好相反——它的四个超参里有三个（$p$、$\text{maxP}$、$k^\text{max}>k$）经消融证明多余，可安全丢弃，收敛到单旋钮 $k_0$ [2511.02237]。 张力根源：不是矛盾，而是问题维度差异。DreamerV3 要在 8 大类差异极大的域上共用一套配置，故必须堆叠冗余的鲁棒化机制；OEA 只在单一 memory-bound MoE decode regime 内工作，机制越简单越好。两者都对"减少要调的旋钮"这一目标正确，但一个靠"多机制协同"达到、一个靠"证明机制多余"达到——反映了通用 agent 与专用推理 kernel 在设计压力上的分野。
针对 OEA 具体主张的对抗性质疑：
OEA 把 $R^2>0.99$ 当作全局 roofline 的铁证 [2511.02237]。但该拟合来自固定 batch、单一 GPQA run、vanilla Qwen3-30B。C3 论文展示了同一 memory-bound roofline 下的非单调性：memory-bound GEMM 减少 CU 反而加速（cache 争用下降）[2412.14335]。OEA 自己也撞上一个非单调反例——CUDA-Graph padding 使 $B=7$ 比 $B=8$ 更慢 [2511.02237]。攻击点：$T$-线性只在"experts 串行、无 kernel 级 cache/padding 效应"的理想区间成立；OEA 用一条极干净的回归线掩盖了它自己在 §6 承认的系统级非线性。$R^2>0.99$ 是"平均 latency vs 平均 $T$"的聚合拟合，聚合会抹平 C3 式的逐场景反常。
OEA 的招牌反直觉结论（$\text{maxP}=8$ 严格更差 → piggyback out-of-policy expert 有益）是纯经验的，L2 明确标注"无形式化保证，仅以 maxP 消融为证"[2511.02237]。攻击点：Massive Values 表明 Q/K 的少数维度承载几乎全部上下文能力，替换即崩溃 [2502.01563]；若 expert 重要性也如此长尾且集中，那么"加入低排名 expert 有益"可能只是在 cross-entropy 这个稠密平均指标上占便宜，而在依赖少数关键 token 的下游任务上并不稳健。事实上 235B OEA 在 LiveCodeBench 仍掉 2% [2511.02237]——恰恰是最需要精确 routing 的 code 任务。"严格有益"的表述对 cross-entropy 成立，对下游未必。
OEA 消融掉 $p$（自适应 top-$p$）后宣称单旋钮足够 [2511.02237]，却在 §7 又把"batch-size-dependent $k_0$"和"per-layer $k_0$"列为 open problem [2511.02237]。攻击点：这自相矛盾——如果适应性（$p$）真无用，为何又需要按 batch/layer 适应 $k_0$？更可能的解释是：$p$-adaptivity 在当前 benchmark 的相似分布 batch（§6 承认是保守估计）下无用，但在真实混合负载下会重新变得重要。简化结论对论文的实验分布过拟合。
30B → 39%，235B → 15%，差距归因于 all-reduce [2511.02237]。攻击点：这意味着 OEA 的收益随模型规模/并行度衰减，而现代前沿 MoE（K2 1T 参数、EP=16 [2507.20534]）正在往更大 TP/EP 走。在 expert-parallel 下 latency 由每机 max expert 数决定（OEA 自己在 §7 承认），此时削减全局 union $T$ 未必削减 per-machine max——OEA 的核心量 $T$ 在生产级并行下可能不再是正确的优化目标。
bold 判据是 $\mu+\text{se} < \mu_\text{vanilla}-\text{se}_\text{vanilla}$ 才算更差（L1 §4.2 脚注）。攻击点：这是一个宽松判据（要求两个误差棒完全不相交才判负），在 3–4 次 run 的高方差下极易把真实退化判为"不显著"。235B aime24 从 85.0 掉到 83.6、GPQA 68.4→67.5 都被 bold——用更严格的配对检验未必通过。
范式定位：OEA 属于"training-free inference-time MoE routing 干预"这一正在成型的子范式，位于 cluster 的 B 组（plug-and-play 量化）与论文自身引用的 Lynx/静态剪枝之间。它不是范式转移（paradigm shift），而是既有 batch-aware routing 范式内的一次符号翻转（subtractive→additive guarantee-then-piggyback）。
在 cluster 中的独特生态位：
Adoption evidence（谨慎）：
pip install sageattention、已被社区广泛集成"[2410.02367] 形成鲜明对比。在 training-free 推理加速这一以"能不能直接 pip 装"论英雄的赛道里，OEA 的采用前景显著弱于 SageAttention。相比 Massive Values（开源 GitHub）、Qwen2.5-Omni（Apache 2.0 权重）也处于开放度劣势。结论：OEA 是一个定位精准、互补性强、但落地证据薄弱的方法。其生态位取决于 (a) 是否开源，(b) 高稀疏 MoE（K2 谱系）是否成为主流——后者若成立，OEA 的红利会自动扩大。
从 cluster 的正交维度组合出发，OEA 未触及但技术上可做的 hybrid/adaptive 方向：
OEA 削减 fetch 的 expert 数，SageAttention 削减每个 expert 权重的比特宽度 [2505.11594]。二者作用于 memory-bound 项 $b\cdot T$ 的两个因子（$T$ 与 $b$）：$b\cdot T \to (b/4)\cdot(T/2)$。cluster 里无人做"expert-count reduction × per-expert bit reduction"的联合 roofline——这是最直接的空格。piggybacked 的 out-of-policy expert 甚至可以用更激进的量化（反正是"免费恢复"），形成 rank-aware mixed-precision piggyback。
DreamerV3 用 percentile 归一化 + free-bits 把逐域调参消掉 [2301.04104]。OEA 的 §7 open problem（batch/layer-dependent $k_0$ [2511.02237]）本质是同一诉求。可探索：用 DreamerV3 式的 running-percentile 自适应 让 $k_0$ 随 batch 内 $S^\text{base}$ 大小自动调节，而非手调——把 OEA 的"证明 $p$ 多余"升级为"用一个尺度不变机制动态设 $k_0$"。
Massive Values 的 per-dim L2-norm disruption 框架 [2502.01563] 可直接移植到 expert：对每个 expert 做 per-token 贡献 disruption，量化"哪些 expert 是上下文关键通道"。若 expert 重要性也呈 RoPE-式集中长尾，则 OEA 的 $k_0$ floor 可按 expert 语义角色而非纯 rank 设定，替 §3 可攻击面 2 的隐患打补丁。
OEA 承认 EP 下 latency 由 per-machine max expert 数决定 [2511.02237]，C3 恰好精通"哪些搬运走 DMA、哪些走 CU、如何按芯片拓扑分配"[2412.14335]。hybrid：把 piggyback 的目标从"全局 union $T$ 最小"改为"per-machine max $T_m$ 最小 + 跨机 all-reduce 与 DMA-offload 协同"，直接攻打 235B 15% 打折的根因。
OEA §7 提出"co-design pretraining for routing robustness"[2511.02237]。K2 的 MuonClip 是训练时对 attention 的干预 [2507.20534]；可类比地在训练时加一个"piggyback-friendly" 正则——鼓励 batch 内 expert overlap（让 $S^\text{base}$ 更小、piggyback 更划算），使模型天生适配 OEA。这是把 K2 的训练侧 MoE 干预与 OEA 的推理侧干预闭环的最深方向。