一篇新的arXiv论文研究了在大型语言模型(LLM)训练过程中切换优化器的影响。研究人员发现,性能在很大程度上取决于预训练和后训练优化器的独立效果,而不是不匹配带来的显著惩罚。具体来说,即使模型使用AdamW进行预训练,在监督微调(SFT)期间增加Muon优化器的更新比例通常也能提高下游性能。虽然匹配预训练优化器可以减少SFT期间的遗忘,但并未带来更好的最终基准测试结果。 AI
影响 表明在大型语言模型的后训练阶段选择优化器具有灵活性,而不会导致显著的性能下降。
排序理由 关于大型语言模型训练方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →