Spectrally Targeted Muon：谱选择性正交化优化器
原文标题：Spectrally Targeted Muon
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。
论文提出 Spectrally Targeted Muon，仅对高于或低于阈值 τ 的奇异值做正交化，从而在归一化 SGD 与 Muon 之间插值，无需 SVD。实验发现动量的小奇异值并非噪声，Muon 的优势来自放大过小方向使其可训练；压缩最大奇异值才是保持参数谱平坦的原因，且 AdamW 与 Muon 的差异主要在构建结构的快慢。
- 问题
- Muon 优化器有效的原因不明：是放大过小方向还是压制过大方向。
- 方法
- Spectrally Targeted Muon 只对阈值上下奇异值正交化，用 Newton-Schulz 投影避免 SVD。
- 结果
- 未给出量化结果
- 影响
- 厘清 Muon 增益来源，为优化器调参与大模型训练策略提供依据。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Muon 优势来源被拆解：小奇异值不是噪声，放大它们才是关键，且无需 SVD。
- •提出 Spectrally Targeted Muon，只对高于或低于阈值 τ 的奇异值正交化，τ 变化可在归一化 SGD 与 Muon 间插值
- •用移位 Gram 矩阵上的 Newton-Schulz 迭代投影隔离子空间，全程不需要 SVD
- •实验显示：正交化除最大几个奇异值外的全部方向几乎追平 Muon，而只正交化最大几个则明显落后
- •语言模型上动量所有奇异值都远低于 1，定向正交化只能起放大作用
- •在 CIFAR-10 与 NanoGPT speedrun 上追踪梯度、更新、权重矩阵的有效秩及等谱流形切空间对齐度
为什么重要：把 Muon 的成功归因从「压制大方向」改写为「放大过小方向」，为优化器设计提供了可验证的机制解释，直接影响后续 LLM 训练优化器的改进方向。
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。