arXiv · cs.AI· Eugene Belilovsky, Stefan Horoi, Edouard Oyallon, Benjamin Th\'erien·· 5 小时前
内层优化器如何影响大语言模型的副本扩展
How Inner Optimizers Shape Replica Scaling
arXiv:2610.19064v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Eugene Belilovsky, Stefan Horoi, Edouard Oyallon, Benjamin Th\'erien
研究任务与主要进展
Eugene Belilovsky、Stefan Horoi、Edouard Oyallon和Benjamin Thérien研究不同内层优化器对大语言模型副本扩展的影响。基于论文摘要，作者从伪梯度协方差结构和批量大小对噪声尺度的影响解释优化器差异，并报告白化预条件方法在总训练预算固定、8至96个副本的评估中，相对于数据并行训练取得较强的副本扩展表现；论文全文和具体实验细节未在材料中提供。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org