Warum das Ant-Bailing-Team SwiGLU neu gestaltete: Die Entstehung der PowLU-Aktivierungsfunktion
Originaltitel:我们为什么要重新设计 SwiGLU?聊一聊 PowLU 的诞生始末
KI-Zusammenfassung
Das Ant-Bailing-Team schlägt die neue Aktivierungsfunktion PowLU vor, um Loss Spikes und Trainingsabstürze zu beheben, die bei SwiGLU im Niedrigpräzisionstraining wie FP8 durch quadratisches Wachstum verstärkte Ausreißer verursacht werden.
Kernpunkte
- Das Ant-Bailing-Team schlägt die neue Aktivierungsfunktion PowLU vor
- um Loss Spikes und Trainingsabstürze zu beheben
- die bei SwiGLU im Niedrigpräzisionstraining wie FP8 durch quadratisches Wachstum verstärkte…
Auf einen Blick
- Veröffentlicht
- Aktualisiert
- Quelle
- 公众号:蚂蚁百灵(Ling)
- Kategorie
- Papers & Forschung
- KI-Bewertung
- 81
用幂函数替代指数项以压制输出范围,避免了 SwiGLU 截断带来的信息丢失,为低精度训练提供了一条已通过千亿模型验证的稳定激活函数路径。
Quelle & Urheberrecht
Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.
Zitierhinweis
Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.
Orange News: Warum das Ant-Bailing-Team SwiGLU neu gestaltete: Die Entstehung der PowLU-Aktivierungsfunktion. 29. Mai 2026. https://new.nat6.net/de/news/cmsdu2qga010jrofz571wp958/