EnergyCal：抑制 Muon 系稀疏 MoE 训练损失尖峰
热点事件持续更新
EnergyCal：抑制 Muon 系稀疏 MoE 训练损失尖峰
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Masato Fujitake 在 arXiv 论文中提出 EnergyCal，一种轻量规则：依据路由专家有限步 Newton-Schulz 方向的归一化平方 Frobenius 范数衰减其更新，用于缓解 Muon 系优化器在稀疏 MoE 语言模型训练中的损失尖峰。该方法不改变谱变换、不增加持久优化器状态。 评测范围为 4B 参数的 MoE 模型，论文称 EnergyCal 在该设置下用于抑制上述损失尖峰。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
EnergyCal：抑制 Muon 系优化器在稀疏 MoE 训练中的损失尖峰报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AIEnergyCal：抑制 Muon 系优化器在稀疏 MoE 训练中的损失尖峰
arXiv 论文提出 EnergyCal，一种轻量规则，依据路由专家有限步 Newton-Schulz 方向的归一化平方 Frobenius 范数衰减其更新，用于缓解 Muon 系优化器在稀疏 MoE 语言模型训练中的损失尖峰，且不改变谱变换、不增加持久优化器状态。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。