ResQAdam:用于内存高效量化感知训练的残差保留自适应优化
原文:ResQAdam: Residual-Preserving Adaptive Optimization for Memory-Efficient Quantization Aware Training
量化感知训练 (QAT) 是获得准确的低位大型语言模型 (LLM) 的最可靠方法,但使用 AdamW 进行训练会为每个权重矩阵保留两个密集 FP32 状态。我们发现低阶内存效率优化器(例如 GaLore 和 LDAdam)在 QAT 中性能大幅下降。 QAT 动量的很大一部分位于其 top-r 奇异子空间和投影基础之外
正在把原文抓到本机服务器…首次约 3~8 秒,抓好后本站永久缓存,下次秒开。
抓不到时可直接看原文(部分站点需要登录/反爬,服务器也无法抓取)。
正文由本站服务器抓取保存(已自动过滤广告、推荐位与追踪图片),排版与原站可能不同;版权归原站所有。