우리는 공유된 LLaMA 스타일의 디코더 학습 레시피(training recipe) 하에서 초소형 규모(tiny-scale)의 사전 학습(pretraining) 환경을 통해 Dense 및 Mixture-of-Experts (MoE) Transformer를 연구합니다. Sparse 모델은 Dense 피드포워드 블록을 Mixtral 스타일의 라우팅된 전문가(routed experts)로 대체합니다. Dense 베이스라인은 토크나이저(tokenizer), 데이터, 옵티마이저(optimizer), 스케줄(schedule), 깊이(depth), 컨텍스트 길이(context length), 정규화 스타일(normalization style) 및 평가 프로토콜(evaluation protocol)을 고정하는 동안, 활성 파라미터(active parameter) 또는 전체 파라미터(total parameter) 예산에 엄격하게 맞추기 위해 너비(width)를 적절히 조정하였습니다. 우리의 최적의 Sparse 레시피는 4개의 전문가, top-2 라우팅, Switch 스타일의 부하 분산(load balancing), 그리고 라우터 z-loss를 사용합니다. 3개의 시드(seed)를 사용한 전체 데이터 비교에서, Dense active-match 모델은 1.6545 +/- 0.0012의 최적 검증 손실(validation loss)에 도달했고, MoE는 1.5788 +/- 0.0020에 도달했으며, Dense total-match 모델은 1.5608 +/- 0.0025에 도달했습니다. 이는 MoE 측에 0.0758 +/- 0.0021의 matched-active 격차를, Dense 모델 측에 0.0180 +/- 0.0020의 matched-total 격차를 발생시킵니다. 학습이 진행됨에 따라 matched-active의 이점은 커지는 반면, matched-total Dense의 이점은 급격히 좁아집니다. 따라서 이 25M 미만 파라미터 환경에서 MoE는 활성 파라미터 매칭(active-parameter matching) 하에서는 검증 손실을 개선하지만, 동일한 전체 저장 용량(total stored capacity)에서는 Dense 학습을 능가하지 못합니다.