热点事件持续更新
研究者提出高效预训练方法Bi-Phase Training
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
2026年10月30日，研究人员在 arXiv 发布论文，提出名为 Bi-Phase Training（BPT）的参数高效预训练方法，旨在大幅减少可训练参数的同时保留全参数优化的高秩学习动态。在 FineWeb-Edu 数据集上针对 Qwen2.5（参数量覆盖 100M 至 1.5B）以及 OLMo-2-1B 开展的从零预训练实验中，BPT 取得了接近全参数基线水平的验证困惑度。在 1.5B 规模模型测试中，该方法成功减少了 66% 的可训练参数，并较好地保留了绝大部分下游任务性能。
AI 根据报道生成 · 4 小时前更新
最新进展10月30日 12:00
研究者提出Bi-Phase Training预训练方法，在1.5B模型上减少66%可训练参数且性能接近全参数基线。报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv 机器学习Bi-Phase Training：从零开始的高效预训练
研究人员提出参数高效预训练方法 Bi-Phase Training（BPT），能在大幅减少可训练参数的同时保留全参数优化的高秩学习动态。在 FineWeb-Edu 数据集对 Qwen2.5（100M 至 1.5B）与 OLMo-2-1B 的从零预训练中，BPT 取得了接近全参数基线的验证困惑度。在 1.5B 规模下，BPT 减少了 66% 可训练参数，且保留了大部分下游任务性能。
本事件热度走势
当前热度 8·可比范围峰值 9（10月30日 15:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。