PyTorch 优化 MoE 性能：分组执行减少内核启动开销

PyTorch 介绍通过分组执行优化 MoE 算子性能的方法，将各专家矩阵的工作合并提交。该方案保留各专家矩阵，同时减少内核启动与调度开销，Hugging Face 基线实现则以 Python 循环逐个触发专家内核。