一句话判断
该研究提供了 AdamW 在大批量下的缩放上限实证,并展示了 SOAP 和 Muon 的稳定训练方案,对大规模模型训练优化有直接参考价值。
核心信息
NVIDIA 研究发现,AdamW 在批量大小达到 1 亿 token 时训练稳定性下降,而 SOAP 和 Muon 保持稳定。团队通过每步 QR 正交化和改进预处理策略消除了 SOAP 在大批量下的 loss spikes,并在多十亿参数模型上训练数万亿 token 后,SOAP 和 Muon 一致优于 AdamW。
原始内容
相关动态
布雷德用Opus 5制作4K 120fps《暗黑行动》视频
Brad Wardell uses Opus 5 with Clairvoyance and Matt Shumer's prompt to create a Claude of Duty video, capturing at 120fps 4K resolution in a single shot.
From Memory to Skills: Evidence-Grounded Co-Evolution Governance for Long-Horizon LLM Agents
论文指出大多数代理记忆系统只保存事件并在上下文召回,导致重复推理错误。作者提出MSCE方法,将经验组织为声明性事实、诱导程序化策略和基础步骤轨迹,仅将重复模式提升为可调用的过程(如pip安装失败时运行规则),每个策略需具备触发条件、边界、正向收益估计和证据支持。
Understanding Reasoning from Pretraining to Post-Training
论文通过象棋实验(5M-1B参数模型,36种预训练-RL组合)发现:预训练验证损失能高精度预测后RL的pass@1(相关性从0.93到0.99),RL计算量每10倍增益与预训练token数对数正相关(r=+0.84);RL最优计算量份额在50M参数时为20%,680M时为28%,且RL会放大模型在困难问题上的错误模式。
Bad Memory: Evaluating Prompt Injection Risks from Memory in Agentic Systems
University of Washington 研究发现 Agent 系统存在内存提示词注入风险:当模型在交互中遇到存储在内存文件(如 CLAUDE.md)中的恶意指令时,即便当前会话拒绝了攻击,通常也不会自动删除该恶意指令,导致风险在后续会话中持续存在。研究人员针对 4 个模型(包含 Claude Opus)在 multi-sessi...
Human Capital, AI, and Labor Commoditization
一项研究分析AI对自由职业市场的影响,发现在ChatGPT后,AI暴露岗位中人力资本信号重要性下降7.8%,价格信号重要性上升1.1%,导致需求向更廉价工人转移,支持AI使这些工人更可替代的观点。