实现 Mixture of Experts 层（top-k 路由）

实现带 top-k 路由的 Mixture of Experts 前向。路由器按输入打分选出 k 个专家，输出是各选中专家的加权组合： 1. 路由打分：logits = x @ gate_weight^T，形状 (B, E)； 2. probs = softmax(logits, dim=-1)；按 prob 从大到小选出前 top_k 个专家（用 torch.topk，值相同的平序按索引从小到大）； 3. 选中专家的 prob 重新归一化：w_i = prob_i / sum(选中 prob)； 4. 专家 e 的输出：expert_e(x) = silu(x @ w_up[e]^T) @ w_down[e]^T，形状 (B, D)； 5. 输出 = Σ_i w_i * expert_{i}(x)。 输入：x 为 (B, D)，top_k 为 int；输出 (B, D)。 要求： - 类必须继承 torch.nn.Module； - `__init__(self, gate_weight, w_up, w_down)`，三个张量注册为同名 nn.Parameter； - gate_weight (E, D)；w_up (E, D, D_f)；w_down (E, D_f, D)；E 为专家数； - silu(x) = x * sigmoid(x)； - 计算必须可微（含路由权重；topk 选择本身不需要可微）。