一篇新发表在 arXiv 上的研究论文分析了 Muon 模型的更新机制,发现其在处理高曲率谱方向时存在过度更新的缺陷。该研究利用了 held-out gradients 和 Hessian-vector products,发现模型的乘数从顶部奇异方向到尾部呈单调递增。研究人员提出并测试了干预措施,包括分别对 Q、K 和 V 矩阵进行正交化,以及在冷却阶段应用谱倾斜,这些措施共同降低了模型的损失。 AI
影响 识别出模型更新机制中需要优化的具体领域,可能带来更高效的训练和性能提升。
排序理由 一篇发表在 arXiv 上的研究论文,详细分析并提出了针对特定模型的改进建议。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- Connected Papers
- DagsHub
- FineWeb-Edu
- Gotit.pub
- Hugging Face
- Lean
- Litmaps
- Muon
- NorMuon
- ScienceCast
- Scite
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →