权重尺度的优化距离不对称
torchcompiled · x · 2026-07-15
作者认为，神经网络里很多部分本质上都带有乘法性。
他举了 LayerNorm 的缩放为例：
- 1.0 是不改变；
- 0.5 相当于减半；
- 2.0 相当于翻倍。
但从优化角度看，0.5 和 2.0 距离 1.0 的“优化距离”并不对称，这也是他考虑用新权重参数化的原因。
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
- MissionReport 基准：540 份政府任务报告仅 3 份全达标 — Exp_Mark · 2026-10-27
- Finch 1 发布：用 50+ 种传感器影像训练的通用地理空间基础模型 — Scobleizer · 2026-10-27
- Skyfall AI 推出工程世界模型 SKY-001:文本转 CAD 构建,3.9 秒 vs GPT-6 的 199 秒 — rohanpaul_ai · 2026-10-27
- 物理学家让 AI 自选课题：两小时产出可登顶刊的论文 — burny_tech · 2026-10-27
- 研究者谈评测集透明度:组合性评测仍存数据污染隐患 — najoungkim · 2026-10-27
- 可解释性研究该分清形式与估计器：均值差转向不如直接梯度下降 — johnhewtt · 2026-10-27