提出基于Schatten-p范数的层自适应优化器框架
热点事件持续更新
提出基于Schatten-p范数的层自适应优化器框架
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Thomas Massena、Corentin Friedrich和Mathieu Serrurier在arXiv论文中提出一种数据驱动方法，按网络层动态选择更新几何，在SGD与Muon等优化器更新之间自适应切换，并通过参数级预条件统一覆盖SGD、Muon、Adam和MuAdam等特例。 基于论文摘要，作者报告该优化器在三种训练场景中达到或超过Muon与AdamW中表现较好者，相对高度优化基线的运行开销约为3%。上述为作者声称的结果，尚待独立验证。
AI 根据报道生成 · 3 小时前更新
最新进展10月12日 12:00
从SGD到Muon：基于Schatten-p范数的自适应优化报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · cs.AI从SGD到Muon：基于Schatten-p范数的自适应优化
Thomas Massena、Corentin Friedrich和Mathieu Serrurier提出一种数据驱动的优化器更新几何选择方法，可在SGD与Muon更新之间按网络层动态调整，并通过参数级预条件覆盖SGD、Muon、Adam和MuAdam等特例。基于论文摘要，作者报告该方法在三种训练场景中达到或超过Muon与AdamW中表现较好的优化器，相对高度优化基线的运行开销约为3%。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月12日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。