Qwen MoE 稳定性论文：训练与推理 KL 散度随步数上升
heghbalz · x · 2026-07-24
- 这条帖子转向了 Qwen MoE 稳定性论文，重点是图里的 training-inference KL divergence。
- 发帖人想弄清：为什么训练阶段的策略与推理阶段之间的 KL 散度会随着时间上升，而且这些实验还是 同步训练，并非异步或 off-policy 造成。
- 配图展示了不同实验在梯度步数上 KL divergence 的变化，其中有一条曲线在早期迅速发散。
「研究」频道最新
- 研究者发现「Forking」现象：训练损失下降验证损失反升 — ZimingLiu11 · 2026-10-26
- DeepMind 试点全球首个双盲 AI 评测，密码学隔离防基准污染 — scychan_brains · 2026-10-26
- 研究揭示合成数据最优比例随算力从10%升至32% — heghbalz · 2026-10-26
- FLASH 仿真框架：单卡 RTX 5090 上分钟级学会布料折叠 — ChongZzZhang · 2026-10-26
- LEMON 监控器:从注意力图零样本识别未见过的 LLM 幻觉与越狱 — yoavartzi · 2026-10-26
- EMNLP 主题演讲背后：用语言模型「模拟学习者」生成儿童语言习得新假设 — najoungkim · 2026-10-26