Q Labs提出零阶优化方法Dust预训练Transformer
热点事件持续更新
Q Labs提出零阶优化方法Dust预训练Transformer
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Q Labs 提出零阶优化方法 Dust，通过给每层激活值按 token 独立加高斯噪声构建“虚拟种群”，在不执行反向传播的情况下估计梯度并预训练 Transformer。其实验最大做到 2.43 亿参数、2000 万 token 训练预算，部分设置下测试损失低于反向传播，但当前成本仍远高于反向传播。 这些结果有明确边界：部分优于反向传播的结果来自曲线拟合推测，尚未在真实训练中直接实现；在 1000 万 token 数据设定下，验证损失达到 4.2。第三方复现显示，反向传播换用更合适优化器后明显领先。
AI 根据报道生成 · 1 小时前更新
最新进展10月26日 14:14
Q Labs 推出 Dust：不用反向传播预训练 Transformer报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- WeChatRSS：机器之心Q Labs 推出 Dust：不用反向传播预训练 Transformer
Q Labs 提出零阶优化方法 Dust，通过给每层激活值按 token 独立加高斯噪声构建"虚拟种群"，在不执行反向传播的情况下估计梯度并预训练 Transformer。其实验最大做到 2.43 亿参数、2000 万 token 训练预算，部分设置下测试损失低于反向传播，但当前成本仍远高于反向传播。第三方复现显示，反向传播换用更合适优化器后明显领先。
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。