---
title: "SafeStart 作者报告：减少 MoE 活跃专家可能削弱安全拒答"
dek: "一篇 arXiv 预印本报告，推理时减少专家数量可能增加对有害请求的配合，即使准确率仅小幅下降。SafeStart 保留响应初期的计算，以恢复大部分拒答能力，同时保留多数解码加速收益。"
---

Erfan Baghaei Potraghloo 等人于 2026 年 11 月 4 日向 arXiv 提交 SafeStart 论文，报告称：减少混合专家（MoE）语言模型推理时启用的专家数量，可能削弱模型对有害请求的拒答能力。他们提出保留每次响应初期计算量的方法，并称这能保留所报告的大部分解码加速收益。[^1]

MoE 模型将每个词元分配给部分专家子网络处理。摘要称，在单张 RTX A6000 上使用 vLLM、批大小为 8 时，保留约三分之二的已选专家，可使离线解码加速 15%–28%。但在要求模型不要拒答的越狱提示下，Qwen1.5-MoE、OLMoE 和 DeepSeek-V2-Lite 回答有害请求的比例分别上升 18.4、9.5 和 6.6 个百分点。这三个模型是九个受测模型中增幅显著的模型；MMLU 准确率下降均不足两个百分点。[^1]

作者认为，大部分增幅出现在处理提示和生成最初几个词元的阶段。因此，SafeStart 在处理提示及生成前八个词元时运行全部专家，随后通过 vLLM 融合内核使用缩减后的专家集合。作者报告，在批大小为 8 和 32 时，该方法保留了至少 85% 的离线解码加速收益。在 889 条留出请求上，专家截减使有害请求配合率上升 5.8–21.4 个百分点；使用 SafeStart 后，增幅为 0.6–2.6 个百分点，其中两个模型达到作者设定的非劣效标准。[^1]

:::analysis
问题涉及 T6 评估层、T3 模型层和 T2 运行时层：仅凭准确率结果，无法确认某一具体服务配置的拒答表现。这里需要核查的属性是可识别性：如果为用户提供服务的确切版本和配置有记录且可核查，用户就能判断自己是否遇到过专家缩减配置。运营方应核查专家选择设置、初始词元处理策略及拒答评估；用户则需要可核查的部署记录，才能将论文结果与所用服务对应起来。来源建议在启用专家缩减前测试拒答能力，没有指定任何已修复的软件版本。[^1]
:::

:::checked
我们于 2026 年 11 月 10 日阅读了保存的 arXiv 摘要页文本，论文标题为《SafeStart: Mitigating the Overlooked Safety Cost of Active Expert Reduction in MoE LLM Serving》，页面标明提交版本为 v1。这次阅读确认了作者报告的内容；我们没有阅读全文、检查代码、测试系统，也没有独立复现测量结果。[^1]
:::

[^1]: SafeStart: Mitigating the Overlooked Safety Cost of Active Expert Reduction in MoE LLM Serving。arXiv，2026 年 11 月 4 日。https://arxiv.org/abs/2611.06147
