Papers & Forschung

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
Original lesen Den vollständigen Artikel bei der Originalquelle lesen
Warum es wichtig ist

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.

Originalartikel · AIHOT-Eintrag

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/

Alle ansehen →