具体来说，AdEMAMix维护了一个快速变化的EMA，优先考虑最近的梯度，同时跟踪一个较慢变化的EMA，保留训练过程早期的信息。例如，在对RedPajama数据集上的一个13亿参数的语言模型进行训练时，研究...

浏览 56 次 标签： 以提升梯度效率并改善大规模模型训练性能    这篇苹果的AI论文介绍了AdEMAMix：一种利用双指数移动平均值的新型优化方法