链式 LMO 优化大语言模型：TensorChain 提出
原文标题：Optimizing Large Language Models with Chained LMOs
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。
论文提出链式线性最小化预言机（chained LMOs）框架，统一 Muon 衍生的多种矩阵归一化优化器，并指出许多链式方法在光滑凸目标上可能发散。基于线性联想记忆分析链式组合的优势，提出 TensorChain 优化器，在 Qwen3 0.6B 与 1.7B 预训练中平均 token 效率优于所有链式基线，匹配验证损失下比 Muon 平均节省 9.6% token。
深读 · 结论先行AI 生成展开看要点与影响 ↓
TensorChain 统一 Muon 系链式优化器，Qwen3 预训练比 Muon 平均省 9.6% token。
- •提出链式线性最小化预言机框架，把 Muon 衍生的多种矩阵归一化优化器统一为 LMO 的组合
- •指出许多链式方法落在标准 LMO 框架之外，在光滑凸目标上可能发散
- •借线性联想记忆分析说明各向异性嵌入下链式组合可优于 Muon
- •提出 TensorChain，跨层堆叠兼容权重矩阵并对三维张量按各轴归一化
- •在 Qwen3 0.6B 与 1.7B 预训练中平均 token 效率优于所有链式基线，匹配验证损失下比 Muon 平均省 9.6% token
为什么重要：为 Muon 之后碎片化的矩阵归一化优化器提供了统一理论框架，并给出可量化的预训练 token 节省。
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
谷歌 Gemini 4 Carbon 全面超越 Opus 5.5，首发 Token 半价
AI 摘要谷歌发布 Gemini 4 Carbon，宣称在多项能力上全面超越 Opus 5.5，并推出首发 Token 半价优惠。该模型可连续数日修复 Bug，且具备免疫提示词注入的安全特性，加剧头部大模型竞争。
谷歌发布 Gemini 4 Carbon，主打网络安全能力跃升
AI 摘要谷歌推出前沿模型 Gemini 4 Carbon，在编程、智能体任务和网络安全方面显著提升，登顶 Artificial Analysis 智能指数，领先 Claude Opus 5.5 与 GPT-6 Astra。该模型目前仅向部分网络安全防御公司开放，定价与 Argon 相同，为每百万输入 token 2 美元、输出 10 美元。
谷歌发布 Gemini 4，API 限时半价
AI 摘要谷歌正式发布 Gemini 4，被视为重回大模型第一梯队的关键动作，同时推出 API 限时半价优惠。该发布对模型竞争格局与开发者成本结构均有直接影响。
谷歌 Meta 发布前沿模型，AI 竞赛重启
AI 摘要谷歌发布 Gemini 4 Argon，Meta 推出新前沿模型，两家公司声称可与 OpenAI 和 Anthropic 的旗舰模型匹敌。谷歌以激进定价策略切入市场，入门期价格比竞争对手低至80%。AI 前沿竞争格局重新洗牌。