研究人员开发了专门针对超稀疏混合专家(MoE)模型的新超参数缩放定律,解决了在不同稀疏度级别之间转移最优学习率和批量大小的挑战。通过涉及1800个实验和约20万亿个标记的大量预训练运行,他们确定了两种不同的缩放机制。研究结果表明,最优批量大小随训练标记而缩放,而学习率受训练计算的影响,并且对模型大小和数据分配具有鲁棒性。这些新定律将激活率作为一个乘法因子,能够更准确地预测稀疏MoE模型的超参数,即使对于拥有数十亿参数和极低专家激活的模型也是如此。 AI
影响 通过提供准确的超参数指导,实现稀疏MoE模型更高效的训练和部署。
排序理由 详细介绍MoE模型新缩放定律的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv Recommender
- mixture of experts
- Nvidia H800
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →