澳门新莆京,澳门新莆京娱乐网站,澳门新莆京注册,澳门新莆京app下载,真人视讯,棋牌游戏平台,澳门博彩。澳门新莆京娱乐网站为广大用户提供真人视讯、棋牌游戏、电子游艺等高端娱乐服务，注册送88元体验金，安全稳定，支持APP下载，海量游戏全天开放，尽享澳门级娱乐体验。

　　智东西6月16日消息，今天，AI云服务商Hyperbolic的联合创始人兼CTO Yuchen Jin在社交平台X上曝料：研究员Keller Jordan仅凭一篇博客文章就加入了OpenAI，并可能正用博客提及的神经网络隐藏层的优化器Muon训练GPT-5。

　　“许多博士（包括以前的我）都陷入了这样一个误区：认为在顶级会议上发表论文才是最终目标。但发表论文≠影响力。Muon只作为一篇博客文章发布，它让Keller加入了OpenAI，他现在可能正在用它训练GPT-5。”Yuchen Jin说。

　　从职场社交平台领英可知，Keller Jordan正是在2024年12月加入OpenAI，由此我们也可以推测他正是凭去年12月发布的一篇博客，成功进入了如日中天的头部大模型企业。

　　这篇博客厉害在那儿？Muon凭什么成为OpenAI的敲门砖？让我们从这篇博客文章内容说起。

　　Muon是神经网络隐藏层的优化器。它被用于NanoGPT和CIFAR-10的快速运行，刷新了当时训练速度的记录。

　　Keller Jordan的博客文章主要关注Muon的设计。首先他定义了Muon并概述其在当时已取得的实证结果；然后他详细讨论了Muon的设计，包括与先前研究的联系以及对其工作原理的最佳理解；最后他讨论了优化研究中的证据标准。

　　具体来说，Muon是一个针对神经网络隐藏层二维参数的优化器，其定义如下：

　　使用Muon训练神经网络时，应使用AdamW等标准方法优化网络的标量和矢量参数以及输入层和输出层。Muon可用于四维卷积参数，方法是将其最后三个维度展平。

　　1、将CIFAR-10上的训练速度记录提高到94%准确率，从3.3秒提高到2.6秒。

　　2、将FineWeb（一项称为NanoGPT快速运行的竞赛任务）上的训练速度记录提高至3.28 val loss，提高了1.35倍。

　　4、在HellaSwag上用10个8xH100小时训练了一个1.5B参数转换器，使其达到GPT-2 XL级别的性能。使用AdamW达到相同结果则需要13.3小时。

　　此外，以下是Muon和AdamW在训练15亿参数语言模型时的对比。两个优化器均已进行调整。

　　Muon通过采用SGD-momentum生成的更新来优化二维神经网络参数，然后在将它们应用于参数之前，对每个更新应用 Newton-Schulz （牛顿-舒尔茨迭代法，简称NS）迭代作为后处理步骤。

　　换句话说，NS迭代实际上用最接近的半正交矩阵替换了SGD-momentum的更新矩阵。

　　为什么正交化更新可行？出于实证研究的动机，作者基于人工检验观察到，SGD-momentum和Adam对基于Transformer的神经网络中的二维参数产生的更新通常具有非常高的条件数。也就是说，它们几乎是低秩矩阵，所有神经元的更新仅由少数几个方向主导。

　　作者推测，正交化有效地增加了其他“稀有方向”的规模，这些方向在更新中幅度较小，但对学习仍然很重要。

　　除了NS迭代之外，还有其他几种方法可以对矩阵进行正交化。但作者没有使用其中两种方法，他是如何排除的？

　　一个是SVD方法，它太慢了，所以作者没有使用它。另一个是Coupled Newton iteration （耦合牛顿迭代法），它必须至少以float32精度运行才能避免数值不稳定，这导致它在现代GPU上运行速度较慢，所以作者也没有采用。

　　相比之下，作者发现NS可以在bfloat16中稳定运行，因此选择它们作为正交化更新的首选方法。

　　在Keller Jordan的实验中，当使用具有调整系数的Muon来训练Transformer语言模型和小型卷积网络时，只需运行5步NS迭代就足够了。

　　此外，Keller Jordan还分析了Muon的运行时间和内存要求。对于典型的语言训练场景，无论规模大小，Muon的FLOP开销都低于1%。

　　根据设计，Muon仅适用于二维参数，以及通过展平的卷积滤波器，因此网络中其余的标量和矢量参数必须使用标准方法（例如 AdamW）进行优化。

　　根据经验，Keller Jordan发现使用AdamW优化输入和输出参数也很重要，即使这些参数通常是二维的。具体来说，在训练Transformer时，应该将AdamW用于嵌入层和最终分类器头层，以获得最佳性能。嵌入层的优化动态应该与其他层不同，这遵循模块化范数理论。输出层的这种动态也不同，这似乎并非来自理论，而是由经验驱动的。

　　另一个纯经验性的结果是，在他们测试的所有案例中，使用 Nesterov式动量对Muon的效果都比普通的SGD动量略好。因此，他们在公开的Muon实现中将其设为默认设置。

　　第三个结果是，如果将Muon分别应用于变压器的Q、K、V参数，而不是一起应用于变压器，则Muon可以更好地优化变压器，因为对于将QKV参数化为输出被分割的单个线性层的变压器实现，默认做法是将它们一起应用。

　　Keller Jordan认为，神经网络优化研究文献目前大多充斥着一堆已死的优化器，它们声称能够击败AdamW，而且往往以巨大的优势获胜，但却从未被社区采用。鉴于业界在神经网络训练上投入了数十亿美元，并渴望降低成本，他们可以推断，问题出在研究界，而非潜在的采用者。

　　Keller Jordan犀利地提出：这项研究出了问题。仔细研究每篇论文后，他们发现最常见的罪魁祸首是糟糕的基线：论文在将其与新提出的优化器进行比较之前，往往没有充分调整AdamW基线。

　　发表声称有巨大改进但无法复制/达到宣传效果的新方法，浪费了大量个人研究人员和小型实验室的时间、金钱和士气，他们每天都在为复制和构建此类方法的失败而感到失望。

　　为了纠正这种情况，Keller Jordan建议采用以下证据标准：研究界应该要求，只要有可能，神经网络训练的新方法就应该在竞争性训练任务中取得成功。

　　竞争性任务通过两种方式解决了基线欠调问题。首先，竞争性任务的基线是先前的记录，如果该任务很受欢迎，则很可能已经经过了良好的调整。其次，即使在先前记录未经过良好调整的不太可能发生的情况下，也可以通过新的记录进行自我修正，将训练恢复到标准方法。

　　通过定义、拆解设计及实证研究，Keller Jordan发现了Muon神经网络隐藏层的优化器具备优于AdamW的效率。通过最新曝料可知，这一技术很有可能成为OpenAI正在研究的GPT-5的重要部分。

　　Keller Jordan也提出了一些尚未解决的问题。包括：Muon可以扩展到更大规模的训练吗？是否有可能在大型GPU集群中正确分布Muon使用的Newton-Schulz迭代？Muon是否仅适用于预训练，而不适用于微调或强化学习工作负载？或许在GPT-5的研究中，作者已经知道了这些问题的答案。

　　管事顿时弯腰，不敢直视，道：“是，那里竟然隐居有高手，非常厉害，我准备亲自动手，将他们格杀。”

　　镇党委政府今天举办村干部培训班，其目的就是通过开展学习培训，不断提高村(社区)干部的素质，增强村(社区)干部工作的信心，使我镇镇村干部能够更好适应新形势下农业农村工作的要求，出色的做好各项工作。下面我讲三个方面的意见：

　　06月09日,第八届残疾人民间足球争霸赛开赛,我们的生命像花儿一样美丽，也像花儿一样脆弱，花儿会有重时，但生命给予我们的只有一次。这个宝贵的生命是父母给的，我们都应该好好珍惜。同学们，不要以为灾难遥不可及，其实，它就潜伏在我们的身边，当你把老师的话抛在脑后时，当你不遵守校纪校规时，当你高兴得忘乎所以，一意孤行时……它悄悄地来了，它的将临必定让人痛苦，甚至一生。让我们牢记安全，遵守纪律，珍惜生命，创造我们美好未来!,开元官网网址,金沙快速注册,猪哥风云劲爆料B。

　　拖着疲惫的躯壳，暴风刮得着实吓人，汽车不再奔驰，人影不在路边出现，成堆的垃圾代替了整齐的房子，干涸的河床显现出来，干瘪的鱼骨在河床上“站立”，这真的是我们以后想要的吗?

　　06月09日,沈阳培育特色夜经济消费场景 推动消费载体升级,黄金战矛挥动，鲜血不时溅起十几尺高，谁敢阻挡，直接就格杀，这令所有人都不由自主倒退，脸色发白。,永利账号登入,日博体育app下载,手机上网赌怎么玩。

　　2.要提醒家人的是，出门或睡觉前要检查家里的电器是否已经切断电源，煤气阀门有没有关好。要及时更换将要老化的电器，电线，开关和插座。

　　06月09日,“边疆党旗红”网络主题宣传采访活动在内蒙古满洲里市启动,可是现在却被小不点两脚踏翻，踩在了脚底，这实在惊掉了一地下巴，这个看起来憨憨的孩子，竟然这般强大？！,在哪里赌足球最好,线日,刘国深：赖清德未得到多数民意支持 难以“为所欲为”,

　　新闻信息服务许可证音像制品出版许可证广播电视节目制作经营许可证网络视听许可证网络文化经营许可证