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
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.
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/