频率不是敏感度：稀疏MoE中安全敏感专家的识别

抑制一小部分被路由的专家可以在不重训的情况下削弱稀疏MoE语言模型的安全行为。抑制哪些专家因此是安全问题；惯常答案是激活频率，但频率度量的是使用而非影响。我们检验替代方案：路由器梯度敏感度——序列损失对选择专家的门控权重的敏感度。跨五个MoE架构，我们在500良性与500恶意提示上按两种信号对专家排序，并在两个预算（相同专家数与相同名义恶意路由流量1%-5%）下测量100个留出恶意提示上的拒绝率。两种预算下，路由器梯度选择在25个条件中的24个比激活更大幅度降低拒绝，且在全部25个中超过十次试验随机均值。最大效应出现在OLMoE：拒绝从34/100降至9/100（相对73.53%）且无退化输出，表明是实质性顺从而非生成损坏。在每层匹配专家数后，梯度选择仍在25个条件中的23个产生更大拒绝削减（两平局）。探索性跨模型分析把更大的恶意-良性集中差距与更大的峰值梯度效应联系起来（rho=0.90；精确双侧p=0.083，n=5）。结果支持在受测预算下使用梯度选择。