解析NVIDIA NVFP4预训练方案
nrehiew_ · x · 2026-07-13
推文解析了 NVIDIA 的 NVFP4 预训练方案，指出该方案主要借鉴了此前 Nemotron 的相关工作：
- Hadamard 变换：应用于权重梯度计算，以减少异常值的影响。
- 选择性高精度：部分层（如最终层）保持高精度，因为它们需要比 FP4 更大的动态范围和尾数。
- 随机舍入：在梯度计算中采用随机舍入而非确定性舍入，以防止偏差。
为验证该方案，团队训练了高达 16T tokens 的较小模型，结果显示其与 BF16 基线相比，仅有约 0.4% 的相对训练损失差距。
所属事件:NVIDIA NVFP4 量化与预训练方案原理深度解析(2 条相关)→
「Infra」频道最新
- AWS 教程:SageMaker SDK v3 搭建车队级边缘视觉模型流水线 — AWS ML Blog · 2026-10-27
- Embedl 把 Qwen3.8-27B 压进 Jetson Thor:解码 40 tok/s,精度反超 FP16 — No-Dragonfly6246 · 2026-10-27
- Celesto 推出便宜近 90% 的 CI Runner，兼做 Agent 云电脑 — aniketmaurya · 2026-10-27
- Supabase 联创谈 AI 时代后端：为十亿个 AI 生成应用而设计 — Latent Space · 2026-10-27
- AW-0 单卡 RTX 5090 推理 230ms:联合去噪比自回归代码快 2.4 倍 — trevordarrell · 2026-10-27
- 全美市议会话题追踪网站：数据中心热度仅次于匹克球场 — zakkohane · 2026-10-27