一种可回折的训练加速权重法
torchcompiled · x · 2026-07-15
研究者提出一种新的权重参数化方式：把权重表示为“线性权重 + 指数权重”的可学习加权混合。作者声称，这种做法在训练阶段可带来最高约 1.42x 的 wall-clock 加速，而且训练完后还能折回成标准权重用于部署。
补充讨论里提到：实验结束后还观察到权重分布比基线更“heavy-tailed”，虽然损失下降了，但作者也提醒这可能伴随其他副作用，仍需后续验证。
所属事件:SEL权重参数化:训练提速1.42倍且可融合部署(7 条相关)→
「研究」频道最新
- HF 工程师争论:非生成任务全用因果注意力是在浪费算力 — antoine_chaffin · 2026-09-11
- 智利学者：AI 反馈规模化是医学教育可持续的关键 — julianvarascom · 2026-09-11
- Nature 新研究实现全身器官细胞活动成像,揭示跨器官体级回路 — arjunrajlab · 2026-09-11
- SignNet 1M 手语数据集发布 — ducha_aiki · 2026-09-11
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- InFlux++ 方法发布 — ducha_aiki · 2026-09-11