英文：Expert Load Balancing 分类：architecture
让 MoE 各专家接收的训练 Token 数量保持均衡的机制，防止少数"明星专家"过载、多数专家闲置。均衡是 MoE 稳定训练与高效算力的前提。
实现：负载均衡辅助损失（鼓励均匀路由）、容量限制（专家超载丢弃）、路由多样性约束（多样化 Top-K）与细粒度专家（更多专家分担）；训练中监控专家利用率与通信负载，动态调整。
用于 MoE 预训练（DeepSeek、Mixtral 训练稳定性的关键）、推理负载分布与多机专家调度；不均衡会引发训练崩溃与推理热点。