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。

原文链接 →

「研究」频道最新

• 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
• Skyfall GS 登场:用 Flux 提升 Gaussian Splatting 精修质量 — ducha_aiki · 2026-09-11
• 一万个智能体能否突破反向传播,找到更好的学习算法 — SeunghyunSEO7 · 2026-09-11

更多「研究」频道 AI 资讯 →