研究：最优优化器取决于批大小
原文标题：The Best Optimizer Depends on Batch Size
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文挑战了优化器评估中单一批大小的基准测试惯例，指出Muon不存在跨训练设置一致的有原则缩放规则，且即使经过充分超参调优，语言模型预训练的最优优化器仍会随批大小变化。这提示优化器开发与评测需覆盖多种批大小。
- 问题
- 新优化器通常只在单一批大小下评测，缩放规则未必跨设置成立。
- 方法
- 系统检验Muon的缩放规则与多种优化器在不同批大小下充分调参后的表现。
- 结果
- 未给出量化结果
- 影响
- 提示优化器开发与选型必须覆盖多种批大小，单一批大小的基准结论可能误导预训练实践。
深读 · 结论先行AI 生成展开看要点与影响 ↓
论文称最优优化器随批大小变化，Muon无一致缩放规则。
- •指出新自适应优化器普遍只在单一批大小下做基准测试
- •Muon不存在跨训练设置一致的有原则缩放规则
- •即使充分调参，语言模型预训练的最优优化器仍随批大小改变
- •结论：优化器开发与评测需覆盖多种批大小
为什么重要：若结论成立，大量「某优化器更优」的对比可能只是批大小选择的产物，对做预训练与优化器研究的团队意味着评测协议需要改写。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。