EnergyCal规则稳定Muon优化器在稀疏MoE训练中的损失尖峰
热点事件持续更新
EnergyCal规则稳定Muon优化器在稀疏MoE训练中的损失尖峰
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
2026年10月28日，arXiv发布论文，提出轻量级规则EnergyCal，用于抑制Muon家族优化器在稀疏MoE训练中出现的巨大损失尖峰。 该方法通过依据有限步Newton-Schulz方向的归一化平方Frobenius范数衰减路由专家更新，从而稳定训练过程。 在4B参数MoE模型上评估，EnergyCal-MuonH将平均阈值化损失尖峰负担降低99.51%，最终几何平均困惑度降低4.06%，且未增加持久化优化器状态。 实验结果验证了该方法在有无Hyperball设置下均能显著提升MoE训练的稳定性。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
EnergyCal：抑制 Muon 家族优化器在稀疏 MoE 训练中的损失尖峰报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · AIEnergyCal：抑制 Muon 家族优化器在稀疏 MoE 训练中的损失尖峰
针对 Muon 优化器在稀疏 MoE 训练中出现的巨大损失尖峰，新提出的 EnergyCal 规则通过衰减路由专家更新来稳定训练过程。在 4B 参数 MoE 模型上，EnergyCal-MuonH 将平均阈值化损失尖峰负担降低 99.51%，最终几何平均困惑度降低 4.06%，且未增加持久化优化器状态。该方法显著提升了 MoE 训练的稳定性，验证了其在有无 Hyperball 设置下的效果。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。