新的 Muon 优化器变体提高了语言模型预训练效率

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-02 04:00

研究人员开发了两种新的 Muon 优化器变体，名为 Muon-NSR 和 Muon-VS，旨在提高语言模型预训练的效率。这些变体通过整合梯度方差信息来调整 Muon 的正交动量更新，类似于 Adam 风格的方法。在 Llama 风格和 GPT-2 模型上的实验表明，特别是 Muon-VS，与标准的 Muon 优化器相比，在达到目标验证损失方面实现了 1.33 倍的加速。 AI

影响将方差自适应调制引入 Muon 风格的优化器，有可能降低大型语言模型的计算成本并加速训练。

排序理由该集群包含一篇详细介绍语言模型预训练优化器新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 29 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍语言模型预训练优化器新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Jingru Li, Yibo Fan, Huan Li · 2026-09-02 04:00

方差自适应μ子：用于高效语言模型预训练的预正交化方差调制

arXiv:2601.14603v2 Announce Type: replace Abstract: Optimizer design plays a central role in efficient language model pretraining, directly affecting optimization dynamics, convergence speed, and compute cost under fixed training budgets. Muon has emerged as a strong optimizer by…

本文如何被排名

报道来源 [1]

方差自适应μ子：用于高效语言模型预训练的预正交化方差调制

相关实体

相关话题