研究通过扰动专家路由增加输出与轨迹多样性，将稀疏计算路径纳入RL探索。
推荐理由：论文不再把MoE路由视作固定基础设施，而把专家选择转化为额外探索维度；这可能以较低生成开销提升RL轨迹覆盖和奖励上限。
阅读原文