arXiv 机器学习· Zaiqian Chen, Aditya Somasundaram, Sophie Li, Sean McLeish, John Kirchenbauer, Tom Goldstein, Micah Goldblum·· 9 小时前AI 评分45
量化在语言模型 Loss Spikes 中的作用
The Role of Quantization in Loss Spikes
AI 导读
研究表明语言模型预训练中后期的致命性损失激增（time-bomb spikes）由 LM head 快速增长的量化误差所致，降低数值精度会加速此类失稳。研究提出在 LM head 上用带动量的 SGD 替代 AdamW，能够抑制 logit 增长并改善长周期训练的稳定性。分析证实各缓解技术均通过减少量化误差起效，抑制有限精度误差是保障预训练稳定的核心机制。
来源：arXiv 机器学习 · arxiv.org