近期研究探讨了 Muon 优化器在大语言模型预训练中的性能,揭示了与经典梯度下降理论不同的细微行为。一项研究表明,Muon 在大步长下的动态行为偏离了稳定性边缘(EoS)的图景,损失中性和时间对齐独立响应学习率和批量大小。另一篇论文研究了 Muon 和 AdamW 之间的微调差距,发现经过广泛预训练后,尤其随着模型尺寸的增加,AdamW 的性能可能优于 Muon。第三项分析表明,虽然 Muon-SW 提供了随模型尺寸增长的微小实际优势,但其报告的效率提升大部分源于调优差异而非内在优越性。 AI
影响 关于 Muon 性能的细微发现可能会影响未来 LLM 的优化器选择和预训练策略。
排序理由 多篇 arXiv 论文详细介绍了关于 LLM 预训练的 Muon 优化器的研究。
- AdamW
- Language Models
- muon
- arXiv
- Hugging Face
- MAI-Base-2
- Muon-SW
- Edge of Stability
- fine-tuning
- gradient descent
- Yanzhe Chen
AI 生成摘要 · Google Gemini · 来自 4 个来源。 我们如何撰写摘要 →