Mga Papel at Pananaliksik

Bakit muling dinisenyo ng Ant Ling team ang SwiGLU? Ang pinagmulan ng PowLU activation function

Orihinal na pamagat:我们为什么要重新设计 SwiGLU?聊一聊 PowLU 的诞生始末

AI summary

Iminungkahi ng Ant Ling team ang bagong activation function na PowLU, upang lutasin ang Loss Spike at training collapse na dulot ng pagpapalaki ng outliers ng quadratic growth ng SwiGLU sa low-precision training tulad ng FP8.

Mabilisang tingin

Na-publish noong
Na-update noong
Pinagmulan
公众号:蚂蚁百灵(Ling)
Kategorya
Mga Papel at Pananaliksik
AI na marka
81
Basahin ang orihinal Basahin ang buong artikulo sa orihinal na pinagmulan
Dahilan ng rekomendasyon

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。

Pinagmulan at copyright

Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.

Link ng orihinal · Entry sa AIHOT

Paano banggitin

Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.

Orange News: Bakit muling dinisenyo ng Ant Ling team ang SwiGLU? Ang pinagmulan ng PowLU activation function. 29 Mayo 2026. https://new.nat6.net/fil/news/cmsdu2qga010jrofz571wp958/

Tingnan lahat →