Step 3.5 Flash 专家输出范数暴涨 5700 倍，loss 却毫无异常
Nouamanetazi · x · 2026-11-06
MoE 手册展示训练 loss 看似正常时 MoE 也可能出错：Step 3.5 Flash 某一层中，最大专家的输出范数从层中位数的约 14 倍涨到 5700 倍，而训练 loss 完全掩盖了这一异常。作者用视频模拟了该故障及另外两种只有 per-layer 信号才能捕捉的失败模式。
所属事件:Hugging Face 发布 80 万 GPU 时经验的免费 MoE 训练手册(20 条相关)→
「Infra」频道最新
- 纯软件优化 4.6 倍:Qwen3.8-27B 单卡 3090 跑出 381 tok/s — Redo · 2026-11-06
- Dolphin Networks 实测:DeepSeek-V4.1 Flash 在 PCIe 卡上吞吐提升 3.8 倍 — AlpinDale · 2026-11-06
- 律师用 8 张 2018 年 V100 跑 DeepSeek-V4.1：代码 215 tok/s、524K 上下文全进显存 — TumbleweedNew6515 · 2026-11-06
- Hyperkernel 递归生成 megakernel,11 个领域 SOTA 并开源 — MillionInt · 2026-11-06
- 马斯克:2-3 年内太空将成为运行超智能成本最低之地 — XFreeze · 2026-11-06
- 前微软员工揭秘：Azure 每 4 天新建一座数据中心 — viksit · 2026-11-06