Yuxuan Lou

OrScale优化方法增强神经网络训练

研究人员推出了一种新颖的优化方法OrScale，旨在改进大型神经网络的训练。OrScale通过将信任比率原则适配到正交化设置中，来解决更新的方向和幅度问题。该方法旨在提供动态的、每层的标量调整，确保优化收益有效地分配到不同的架构组件中。在从1.25亿到160亿参数的模型上进行的实验表明，OrScale在无需额外超参数调优的情况下，可以媲美甚至超越Muon等现有方法。