猫眼电影
猫眼电影记者 吴冠中 报道P6F3X2M7T9QJ8L1B4WZR
智东西编译 李水青编辑 心缘
智东西6月16日消息，今天，AI云服务商Hyperbolic的联合创始人兼CTO Yuchen Jin在社交平台X上曝料：研究员Keller Jordan仅凭一篇博客文章就加入了OpenAI，并可能正用博客提及的神经网络隐藏层的优化器Muon训练GPT-5。
“许多博士（包括以前的我）都陷入了这样一个误区：认为在顶级会议上发表论文才是最终目标。但发表论文≠影响力。Muon只作为一篇博客文章发布，它让Keller加入了OpenAI，他现在可能正在用它训练GPT-5。”Yuchen Jin说。
▲Yuchen Jin的X推文及Yuchen Jin的自述
Yuchen Jin提及的这篇博客发布于2024年12月，题为《Muon：神经网络隐藏层的优化器（Muon: An optimizer for hidden layers in neural networks）》。
博客地址：https://kellerjordan.github.io/posts/muon/
从职场社交平台领英可知，Keller Jordan正是在2024年12月加入OpenAI，由此我们也可以推测他正是凭去年12月发布的一篇博客，成功进入了如日中天的头部大模型企业。
这篇博客厉害在那儿？Muon凭什么成为OpenAI的敲门砖？让我们从这篇博客文章内容说起。
一、Muon定义：一个神经网络隐藏层的优化器
Muon是神经网络隐藏层的优化器。它被用于NanoGPT和CIFAR-10的快速运行，刷新了当时训练速度的记录。
Keller Jordan的博客文章主要关注Muon的设计。首先他定义了Muon并概述其在当时已取得的实证结果；然后他详细讨论了Muon的设计，包括与先前研究的联系以及对其工作原理的最佳理解；最后他讨论了优化研究中的证据标准。
具体来说，Muon是一个针对神经网络隐藏层二维参数的优化器，其定义如下：
其中“NewtonSchulz5”定义为以下Newton-Schulz矩阵迭代：
使用Muon训练神经网络时，应使用AdamW等标准方法优化网络的标量和矢量参数以及输入层和输出层。Muon可用于四维卷积参数，方法是将其最后三个维度展平。
Muon取得了以下实证成果：
1、将CIFAR-10上的训练速度记录提高到94%准确率，从3.3秒提高到2.6秒。
2、将FineWeb（一项称为NanoGPT快速运行的竞赛任务）上的训练速度记录提高至3.28 val loss，提高了1.35倍。
3、在扩展到774M和1.5B参数的同时，继续显示训练速度的提升。
4、在HellaSwag上用10个8xH100小时训练了一个1.5B参数转换器，使其达到GPT-2 XL级别的性能。使用AdamW达到相同结果则需要13.3小时。
以下是针对NanoGPT快速运行的不同强力优化器的比较：
▲按样本效率比较优化器（可复现日志：https://github.com/KellerJordan/modded-nanogpt/tree/master/records/102924_Optimizers）
▲按挂钟时间比较优化器
此外，以下是Muon和AdamW在训练15亿参数语言模型时的对比。两个优化器均已进行调整。
▲Muon与AdamW在15亿参数短时间训练中的对比（可复现日志：https://github.com/KellerJordan/modded-nanogpt/tree/master/records/102024_ScaleUp1B）
二、Muon设计：牛顿-舒尔茨迭代法作为后处理步骤
Muon通过采用SGD-momentum生成的更新来优化二维神经网络参数，然后在将它们应用于参数之前，对每个更新应用 Newton-Schulz （牛顿-舒尔茨迭代法，简称NS）迭代作为后处理步骤。
NS迭代的作用是使更新矩阵近似正交化，即应用下列操作：
换句话说，NS迭代实际上用最接近的半正交矩阵替换了SGD-momentum的更新矩阵。
为什么正交化更新可行？出于实证研究的动机，作者基于人工检验观察到，SGD-momentum和Adam对基于Transformer的神经网络中的二维参数产生的更新通常具有非常高的条件数。也就是说，它们几乎是低秩矩阵，所有神经元的更新仅由少数几个方向主导。
作者推测，正交化有效地增加了其他“稀有方向”的规模，这些方向在更新中幅度较�。匝叭匀缓苤匾�
除了NS迭代之外，还有其他几种方法可以对矩阵进行正交化。但作者没有使用其中两种方法，他是如何排除的？
一个是SVD方法，它太慢了，所以作者没有使用它。另一个是Coupled Newton iteration （耦合牛顿迭代法），它必须至少以float32精度运行才能避免数值不稳定，这导致它在现代GPU上运行速度较慢，所以作者也没有采用。
相比之下，作者发现NS可以在bfloat16中稳定运行，因此选择它们作为正交化更新的首选方法。
在Keller Jordan的实验中，当使用具有调整系数的Muon来训练Transformer语言模型和小型卷积网络时，只需运行5步NS迭代就足够了。
此外，Keller Jordan还分析了Muon的运行时间和内存要求。对于典型的语言训练场景，无论规模大�。琈uon的FLOP开销都低于1%。
三、Muon实证考虑：批判糟糕的基线，提出新方法
根据设计，Muon仅适用于二维参数，以及通过展平的卷积滤波器，因此网络中其余的标量和矢量参数必须使用标准方法（例如 AdamW）进行优化。
根据经验，Keller Jordan发现使用AdamW优化输入和输出参数也很重要，即使这些参数通常是二维的。具体来说，在训练Transformer时，应该将AdamW用于嵌入层和最终分类器头层，以获得最佳性能。嵌入层的优化动态应该与其他层不同，这遵循�？榛妒砺�。输出层的这种动态也不同，这似乎并非来自理论，而是由经验驱动的。
另一个纯经验性的结果是，在他们测试的所有案例中，使用 Nesterov式动量对Muon的效果都比普通的SGD动量略好。因此，他们在公开的Muon实现中将其设为默认设置。
第三个结果是，如果将Muon分别应用于变压器的Q、K、V参数，而不是一起应用于变压器，则Muon可以更好地优化变压器，因为对于将QKV参数化为输出被分割的单个线性层的变压器实现，默认做法是将它们一起应用。
Keller Jordan认为，神经网络优化研究文献目前大多充斥着一堆已死的优化器，它们声称能够击败AdamW，而且往往以巨大的优势获胜，但却从未被社区采用。鉴于业界在神经网络训练上投入了数十亿美元，并渴望降低成本，他们可以推断，问题出在研究界，而非潜在的采用者。
Keller Jordan犀利地提出：这项研究出了问题。仔细研究每篇论文后，他们发现最常见的罪魁祸首是糟糕的基线：论文在将其与新提出的优化器进行比较之前，往往没有充分调整AdamW基线。
发表声称有巨大改进但无法复制/达到宣传效果的新方法，浪费了大量个人研究人员和小型实验室的时间、金钱和士气，他们每天都在为复制和构建此类方法的失败而感到失望。
为了纠正这种情况，Keller Jordan建议采用以下证据标准：研究界应该要求，只要有可能，神经网络训练的新方法就应该在竞争性训练任务中取得成功。
竞争性任务通过两种方式解决了基线欠调问题。首先，竞争性任务的基线是先前的记录，如果该任务很受欢迎，则很可能已经经过了良好的调整。其次，即使在先前记录未经过良好调整的不太可能发生的情况下，也可以通过新的记录进行自我修正，将训练恢复到标准方法。
结语：全新优化器或成为GPT-5中的重要技术
通过定义、拆解设计及实证研究，Keller Jordan发现了Muon神经网络隐藏层的优化器具备优于AdamW的效率。通过最新曝料可知，这一技术很有可能成为OpenAI正在研究的GPT-5的重要部分。
Keller Jordan也提出了一些尚未解决的问题。包括：Muon可以扩展到更大规模的训练吗？是否有可能在大型GPU集群中正确分布Muon使用的Newton-Schulz迭代？Muon是否仅适用于预训练，而不适用于微调或强化学习工作负载？或许在GPT-5的研究中，作者已经知道了这些问题的答案。
来源：X平台、keller Jordan博客
??时事1：Asmr婬荡娇喘录音国产
??06月21日,安阳钢铁集团原党委副书记、总经理、副董事长刘润生被开除党籍,
老妪动容，像是想起了什么，道：“难道是传说中的朱厌？”
,强行扒开双腿猛烈进入在视频。??06月21日,智慧场馆联盟厦门启动 携手打造智慧场馆新标杆,
发挥团队精神，我们六年级每个人是捆绑在一起的，是个整体，要有个“一荣俱荣，一损俱损”的思想，决不要单打独斗、孤军奋战。只有大家团结一致，才是战无不胜的法宝。
,掀起女班长的裙子打光屁股,男女洗澡互摸私密部位,迈开迈尝尝森林的味道。??时事2：裸体爆乳羞羞❌网站视频
??06月21日,镜观·足迹｜携手同行，构建中拉命运共同体,
离开石村二十一天了，漫长的路途已过了大半，距离石族第二祖地不足十万里了，再有几天就能到了。
,狠狠的挺进云缨小泬,FC2PPV完全初撮り♥,女性向羞辱调教m向音声。??06月21日,佛得角音乐家：希望有更多机会与澳门音乐家合作,
还有我们尚馆，由于李_领导要处理自己的私事，请假一段时间，就把一大摊子工作交给了总监以及自己手下，说真的，现在尚馆所管辖的地方不断在加大，而他们团队新人也比较多，个个自我管理能力还不是很强，需要协调好需要一定的魄力，领导不在，总监不忘重担，不断想办法帮助他们，时刻言行在激励他们，并且主动带领新人们走出去拜访客户，为今天所取的业绩添砖加瓦，当然，还有几位老员工小江，林林，二姐，他们能做到以身作则，以师傅的身份带好徒弟，让徒弟做出骄人的业绩，当然，当大家有问题时，能够合力相互帮助，同时你们身上最值得我们学习的地方就是懂得借力，遇到刺手的问题时，借比自己更有能力的教自己沟通解决，这就是一支有上进心，非常敬业的团队，想把事情做好的团队，过去所有的努力一定不会负有心人，今天尚馆之所以能完成并超越了目标，是因为平时领导有方，当然更是大家全身心投入的结果。这就是一支打胜仗的团队，一支优秀而卓越的团队，希望大家再接再励，力争4月拿到更好的成绩!在此，我们再次以三次爱的掌声嘉许尚馆所有的家人。
,像素JamesCabello下载,黄品匯永久网址,又黄❌又爽❌靠靠。??时事3：王者涩涩同人❌18禁漫画
??06月21日,坚持互信互利合作，中国不仅是倡导者更是行动派,
新高一的致辞 篇2
,日韩人妻精品无码一区二区三区,99在线无码精品㊙️入口芒果,超短女仆套装跳舞视频。??06月21日,以坚持党中央集中统一领导为根本保证(人民观点),
柳树沉默，寂静无声，并没有回应，粗大而焦黑的树干宛如黑色的巨石般。
,扒开🐻让我❌❌❌游戏,金卡戴珊21分钟无删减bt,免费无遮挡视频网站无需下载。??时事4：女性les✅免费网站
??06月21日,投资20亿元的普洛斯清远时尚科技创新谷开园,
众人抓狂，这小财迷，都什么时候了，还在惦记呢。
,同性女A片18🈲在线观看,动漫 妓女 巨乳 得到 3d,furryGay♂XXX视频网站。??06月21日,外交部驳香港出现人才“离港潮”论调：有关言论毫无根据,
“族长爷爷，还有阿叔他们，一直瞒着我，在为我五岁的洗礼犯愁，其实我都知道了。现在好了，有了三头太古遗种，真血一定足够了。”
?第二十章 惊变,全见版男模穆星全见,未亡人の雪女漫画在线观看,霉霉全球有多少粉丝。责编：格赛尔
审核：王伟
责编：柳车英