最近，一篇論文《Decomposing Evolutionary Mixture-of-LoRA Architectures: The Routing Lever, the Lifecycle Penalty, and a Substrate-Conditional Boundary》對進化型混合LoRA系統進行了深入的分解研究。該系統基於一個約1.5億引數的從頭訓練的擴寬D基板（D=1536，V=32000，D/V約0.048，稱為“widened-1536”基板）。研究人員將系統分解為三個因素：路由器重寫（一種並行Sigmoid門，具有可學習的每介面卡下限和有界溫度退火，輸入為堆疊後隱藏狀態而非詞元嵌入均值）、每領域留一評估範圍，以及生命週期（包括死亡、alpha混合繼承、SVD變異和槽位重分配）。
透過一個5/8部分2^3析因實驗（n=3個種子，每單元25000個適應步驟），研究揭示了清晰的歸因鏈。路由器重寫獨自承擔了完整進化系統相對於靜態B3基線（+0.0426 nat平衡對數困惑度改進，Delta=log PPL_ref - log PPL_test，正值表示改進，t=12.86，p=0.006）的全部改進。然而，整體系統與B3的對比本身僅為+0.015 nat（t=1.94，p=0.19，n=3），未達到alpha=0.05的顯著性水平。
每領域評估範圍在種子解析度下無顯著效果。而生命週期則是一個淨拖累，在主鏈中約-0.028 nat（t=-4.46，p=0.047）。輔助的alpha=0繼承反事實實驗（n=3個種子）在主要指標上符號不一致，且統計效力不足，無法得出等價性或負載支撐結論（該結果糾正了早期算術平均聚合器錯誤顯示繼承顯著的錯誤，詳見附錄B.11）。
研究人員還透過基板擾動探針方向性地反駁了將生命週期角色重新解釋為“基因組上下文”的觀點。可控合成沙盒實驗發現了一個基板條件邊界：路由通道上的進化搜尋僅在介面卡預先與任務對齊時才是負載支撐的；在所有其他測試的機制下，它會低於、持平或甚至惡化梯度解決方案的效能。
這項研究強調了進化混合LoRA系統中各元件的不同貢獻，並指出了進化搜尋有效性的關鍵條件，為未來設計更高效的模型提供了重要參考。