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
- Michael Levin 发布 Platonic Space 论文同行评审版及实验室资源 — drmichaellevin · 2026-09-11
- GameWorld 获 ECCV 2026 多模态数字代理研讨会最佳论文亚军 — MikeShou1 · 2026-09-11
- GLIE 论文： late-interaction 检索向量可压缩 200 倍存储 — inductionheads · 2026-09-11
- 3D ResNet 论文八年突破 3000 引用，Kinetics 数据集成里程碑 — HirokatuKataoka · 2026-09-11
- 把数据调度变成优化的一部分：样本选择与排序影响 LLM 训练 — Puzzleheaded_Box2842 · 2026-09-11
- Jeff Heaton《神经网络数学导论》开放免费完整下载 — blaizedsouza · 2026-09-11