标签
本文评估了Muon优化器在低秩矩阵分解上的表现，发现它并未持续优于AdamW，从而对早期关于其在大型深度学习中的优势说法提出质疑。
本文提出了一种基于Fisher信息矩阵谱范数的攻击无关鲁棒性度量，为深度神经网络提供了理论边界和可扩展的评估方法。
本文将最大更新参数化（μP）框架扩展到群组查询注意力（GQA），推导出跨模型架构的超参数迁移的缩放定律。它引入了用于特征学习的谱范数条件，并解决了GQA中低秩权重矩阵的问题。