arXiv · cs.AI· Tim Tsz-Kit Lau, Weijie Su·· 4 小时前
研究提出对称兼容的优化器设计原则，覆盖嵌入、LM Head、SwiGLU MLP与MoE路由器
Symmetry-Compatible Principle for Optimizer Design: Embeddings, LM Heads, SwiGLU MLPs, and MoE Routers
arXiv:2605.18106v5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：Tim Tsz-Kit Lau, Weijie Su
期刊信息（来源提供）：Advances in Neural Information Processing Systems (NeurIPS), 2026
研究任务与主要进展
作者提出一种对称兼容的优化器设计原则，使梯度更新在对应权重块的对称群下保持等变，并据此为嵌入、LM Head、SwiGLU MLP 和 MoE 路由器推导优化器。基于论文摘要，密集与稀疏 MoE 语言模型预训练实验显示，这些方法相较对应的 AdamW 改善了最终验证损失，并减轻专家负载不平衡；部分实验还改善了词表 logit 增长、路由器和整体训练稳定性。
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