技術特征：

1.一種基于邊緣混合專家大模型的可靠推理調度方法，其特征在于，包括以下步驟：

2.根據權利要求1所述的一種基于邊緣混合專家大模型的可靠推理調度方法，其特征在于，步驟s1的具體實現流程如下：

3.根據權利要求1所述的一種基于邊緣混合專家大模型的可靠推理調度方法，其特征在于，步驟s2的具體實現流程如下：

4.根據權利要求3所述的一種基于邊緣混合專家大模型的可靠推理調度方法，其特征在于，步驟s2.4的具體實現流程如下：

5.根據權利要求3所述的一種基于邊緣混合專家大模型的可靠推理調度方法，其特征在于，步驟s2.5的具體實現流程如下：

6.根據權利要求5所述的一種基于邊緣混合專家大模型的可靠推理調度方法，其特征在于，當本層推理任務涉及有惡意行為時，對于節點下線，表現為t＝+∞；

7.根據權利要求1所述的一種基于邊緣混合專家大模型的可靠推理調度方法，其特征在于，步驟s3的具體實現流程如下：

8.根據權利要求7所述的一種基于邊緣混合專家大模型的可靠推理調度方法，其特征在于，步驟s3.7的具體實現流程如下：

9.根據權利要求7所述的一種基于邊緣混合專家大模型的可靠推理調度方法，其特征在于，步驟s3.8的具體實現流程如下：

10.根據權利要求1所述的一種基于邊緣混合專家大模型的可靠推理調度方法，其特征在于，步驟s4的具體實現流程如下：

技術總結
一種基于邊緣混合專家大模型的可靠推理調度方法，涉及計算機領域，包括：分布式邊緣部署MoE大模型到邊緣網絡；進行惡意節點行為建模，模擬分布式協作推理，分別生成自編碼器輸入向量空間集合V與推理任務狀態集合S；進行異常節點檢測神經網絡訓練，得到各邊緣節點的計算可靠度；進行深度強化學習神經網絡訓練得到專家選擇策略；基于訓練的深度強化學習神經網絡進行邊緣MoE大模型的可靠推理調度。本發明利用分布式邊緣部署的服務質量與隱私保護優勢，根據大模型門控函數對專家網絡的原始路由結果，結合實際動態部署環境下的節點可靠度與實時負載，有效地優化推理過程，從而提高分布式邊緣部署下MoE大模型的協作推理效率和可靠性。

技術研發人員：潘勝利,張晉揚,汪成
受保護的技術使用者：北京郵電大學
技術研發日：
技術公布日：2025/4/28