实体
Amd1-ps2
Amd1-ps2
PulseAugur coverage of Amd1-ps2 — every cluster mentioning Amd1-ps2 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新框架推进马尔可夫决策过程在强化学习中的应用 · 跟踪2个来源
两篇新的arXiv论文介绍了马尔可夫决策过程（MDP）的先进框架，MDP是强化学习中的一个关键工具。第一篇论文GRASP-MDP通过分离奖励和转移动力学来解决离线强化学习中的挑战，允许使用广义线性模型进行奖励，并更好地利用仅转移的观测。第二篇论文侧重于鲁棒平均奖励MDP，建立了极小极大最优学习界限，并提出了考虑模型不确定性的即插即用约简程序，实现了依赖于状态-动作空间和不确定性水平的样本复杂度率。
-
新的AMDP技术加速大规模AI模型训练
研究人员推出了一种名为异步多向流水线并行（AMDP）的新技术，旨在提高大规模AI模型训练的效率。AMDP通过限制前向和后向传播之间的参数不匹配来解决现有异步方法中常见的收敛退化问题。该方法限制了反向传播前处理的小批量数量，并采用多个并发流水线来最大限度地减少空闲时间。使用GPT-和BERT风格模型的实验表明，AMDP在保持收敛精度的同时显著加快了训练速度。