SOAP und Muon schlagen AdamW bei Multi-Milliarden-Parameter-Pretraining · Lumeric
Beitrag
FORSCHUNGarxiv.org· ArXiv cs.AI★Pro4h
SOAP und Muon schlagen AdamW bei Multi-Milliarden-Parameter-Pretraining
Pro-Quelle
Dieser Beitrag stammt aus einer Pro-Quelle. Mit Lumeric Pro liest du den vollständigen Eintrag inklusive „Warum es zählt", Quelle und verwandten Beiträgen.