Mixture-of-Experts 거대 언어 모델 (MoE-LLMs)은 강력한 성능을 달성하지만, 방대한 전문가 (expert) 파라미터로 인해 상당한 메모리 오버헤드를 발생시킵니다. 혼합 정밀도 양자화 (Mixed-precision quantization)는 전문가별 중요도에 따라 비트 너비 (bit-widths)를 할당함으로써 이 비용을 완화하며, 정확도-메모리 파레토 프런티어 (Pareto frontier)에 접근하고 극단적인 저비트 양자화를 가능하게 합니다. 그러나 기존 방법들은 레이어 단위 (layer-wise)의 중요도 추정에 의존하며 양자화로 인해 유도되는 라우터 이동 (router shifts)을 간과하여, 최적화되지 않은 할당 및 라우팅 결과를 초래합니다. 본 연구에서는 이러한 한계를 극복하기 위해 다음과 같은 방식을 통해 Global Expert-level Mixed-precision Quantization (GEMQ)를 제안합니다: (1) 양자화 오차 분석을 기반으로 모델 전반의 전문가 중요도를 포착하는 글로벌 선형 계획법 (linear-programming) 공식화, (2) 양자화된 전문가에 라우팅을 적응시키기 위한 효율적인 라우터 미세 조정 (router fine-tuning). 이러한 구성 요소들은 중요도 추정 및 할당을 반복적으로 개선하는 점진적 양자화 (progressive quantization) 프레임워크에 통합됩니다. 실험을 통해 GEMQ가 정확도 저하를 최소화하면서 메모리를 크게 줄이고 추론을 가속화함을 입증하였습니다. 소스 코드는 https://github.com/jndeng/GEMQ 에서 확인할 수 있습니다.