Improving Adaptive Moment Optimization via Preconditioner Diagonalization
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Nguyen, Son, Liu, Bo, Chen, Lizhang, Liu, Qiang |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Memory-Efficient Optimization with Factorized Hamiltonian Descent
par: Nguyen, Son, et autres
Publié: (2024)
par: Nguyen, Son, et autres
Publié: (2024)
Cautious Optimizers: Improving Training with One Line of Code
par: Liang, Kaizhao, et autres
Publié: (2024)
par: Liang, Kaizhao, et autres
Publié: (2024)
Lion Secretly Solves Constrained Optimization: As Lyapunov Predicts
par: Chen, Lizhang, et autres
Publié: (2023)
par: Chen, Lizhang, et autres
Publié: (2023)
Muon Optimizes Under Spectral Norm Constraints
par: Chen, Lizhang, et autres
Publié: (2025)
par: Chen, Lizhang, et autres
Publié: (2025)
Memory-Efficient LLM Training with Online Subspace Descent
par: Liang, Kaizhao, et autres
Publié: (2024)
par: Liang, Kaizhao, et autres
Publié: (2024)
Structured Preconditioners in Adaptive Optimization: A Unified Analysis
par: Xie, Shuo, et autres
Publié: (2025)
par: Xie, Shuo, et autres
Publié: (2025)
DeMo: Decoupled Momentum Optimization
par: Peng, Bowen, et autres
Publié: (2024)
par: Peng, Bowen, et autres
Publié: (2024)
Training-Free Looped Transformers
par: Chen, Lizhang, et autres
Publié: (2026)
par: Chen, Lizhang, et autres
Publié: (2026)
Adaptive Preconditioners Trigger Loss Spikes in Adam
par: Bai, Zhiwei, et autres
Publié: (2025)
par: Bai, Zhiwei, et autres
Publié: (2025)
Taming Preconditioner Drift: Unlocking the Potential of Second-Order Optimizers for Federated Learning on Non-IID Data
par: Liu, Junkang, et autres
Publié: (2026)
par: Liu, Junkang, et autres
Publié: (2026)
Momentum Guidance: Plug-and-Play Guidance for Flow Models
par: Liao, Runlong, et autres
Publié: (2026)
par: Liao, Runlong, et autres
Publié: (2026)
Communication Efficient Distributed Training with Distributed Lion
par: Liu, Bo, et autres
Publié: (2024)
par: Liu, Bo, et autres
Publié: (2024)
$ϕ$-Balancing for Mixture-of-Experts Training
par: Chen, Lizhang, et autres
Publié: (2026)
par: Chen, Lizhang, et autres
Publié: (2026)
AdaFlow: Imitation Learning with Variance-Adaptive Flow-Based Policies
par: Hu, Xixi, et autres
Publié: (2024)
par: Hu, Xixi, et autres
Publié: (2024)
Curvature-Informed SGD via General Purpose Lie-Group Preconditioners
par: Pooladzandi, Omead, et autres
Publié: (2024)
par: Pooladzandi, Omead, et autres
Publié: (2024)
Muon$^2$: Boosting Muon via Adaptive Second-Moment Preconditioning
par: Liu, Ziyue, et autres
Publié: (2026)
par: Liu, Ziyue, et autres
Publié: (2026)
SAMix: Calibrated and Accurate Continual Learning via Sphere-Adaptive Mixup and Neural Collapse
par: Dang, Trung-Anh, et autres
Publié: (2025)
par: Dang, Trung-Anh, et autres
Publié: (2025)
CUPID in the Model Zoo: Online Matchmaking for Selecting Your Dream LLM
par: Nguyen, Son, et autres
Publié: (2026)
par: Nguyen, Son, et autres
Publié: (2026)
Graph Neural Preconditioners for Iterative Solutions of Sparse Linear Systems
par: Chen, Jie
Publié: (2024)
par: Chen, Jie
Publié: (2024)
Regime-Adaptive Bayesian Optimization via Dirichlet Process Mixtures of Gaussian Processes
par: Zhang, Yan, et autres
Publié: (2026)
par: Zhang, Yan, et autres
Publié: (2026)
Improving Probabilistic Diffusion Models With Optimal Diagonal Covariance Matching
par: Ou, Zijing, et autres
Publié: (2024)
par: Ou, Zijing, et autres
Publié: (2024)
Adaptive Estimation and Inference in Conditional Moment Models via the Discrepancy Principle
par: Tan, Jiyuan, et autres
Publié: (2026)
par: Tan, Jiyuan, et autres
Publié: (2026)
Gaussian Processes Sampling with Sparse Grids under Additive Schwarz Preconditioner
par: Chen, Haoyuan, et autres
Publié: (2024)
par: Chen, Haoyuan, et autres
Publié: (2024)
A Self-Attentive Meta-Optimizer with Group-Adaptive Learning Rates and Weight Decay
par: Zhao, JiangBo, et autres
Publié: (2026)
par: Zhao, JiangBo, et autres
Publié: (2026)
Learning Sparse Approximate Inverse Preconditioners for Conjugate Gradient Solvers on GPUs
par: Yang, Zherui, et autres
Publié: (2025)
par: Yang, Zherui, et autres
Publié: (2025)
Cautious Weight Decay
par: Chen, Lizhang, et autres
Publié: (2025)
par: Chen, Lizhang, et autres
Publié: (2025)
A New Perspective on Shampoo's Preconditioner
par: Morwani, Depen, et autres
Publié: (2024)
par: Morwani, Depen, et autres
Publié: (2024)
Diagonal Over-parameterization in Reproducing Kernel Hilbert Spaces as an Adaptive Feature Model: Generalization and Adaptivity
par: Li, Yicheng, et autres
Publié: (2025)
par: Li, Yicheng, et autres
Publié: (2025)
Improving Deep Knowledge Tracing via Gated Architectures and Adaptive Optimization
par: Shukurlu, Altun
Publié: (2025)
par: Shukurlu, Altun
Publié: (2025)
Spectral Embeddings Leak Graph Topology: Theory, Benchmark, and Adaptive Reconstruction
par: Nguyen-Cong, Thinh, et autres
Publié: (2026)
par: Nguyen-Cong, Thinh, et autres
Publié: (2026)
Optimization Insights into Deep Diagonal Linear Networks
par: Labarrière, Hippolyte, et autres
Publié: (2024)
par: Labarrière, Hippolyte, et autres
Publié: (2024)
Diagonally-Weighted Generalized Method of Moments Estimation for Gaussian Mixture Modeling
par: Zhang, Liu, et autres
Publié: (2025)
par: Zhang, Liu, et autres
Publié: (2025)
Generative modeling of Sparse Approximate Inverse Preconditioners
par: Li, Mou, et autres
Publié: (2024)
par: Li, Mou, et autres
Publié: (2024)
Adaptive Moment Estimation Optimization Algorithm Using Projection Gradient for Deep Learning
par: Li, Yongqi, et autres
Publié: (2025)
par: Li, Yongqi, et autres
Publié: (2025)
Diagonal Adaptive Non-local Observables on Quantum Neural Networks
par: Tseng, Huan-Hsin, et autres
Publié: (2026)
par: Tseng, Huan-Hsin, et autres
Publié: (2026)
Improving Rectified Flow with Boundary Conditions
par: Hu, Xixi, et autres
Publié: (2025)
par: Hu, Xixi, et autres
Publié: (2025)
GADPN: Graph Adaptive Denoising and Perturbation Networks via Singular Value Decomposition
par: Deng, Hao, et autres
Publié: (2026)
par: Deng, Hao, et autres
Publié: (2026)
SKIM: Any-bit Quantization Pushing The Limits of Post-Training Quantization
par: Bai, Runsheng, et autres
Publié: (2024)
par: Bai, Runsheng, et autres
Publié: (2024)
Adam Improves Muon: Adaptive Moment Estimation with Orthogonalized Momentum
par: Zhang, Minxin, et autres
Publié: (2026)
par: Zhang, Minxin, et autres
Publié: (2026)
Preconditioners for the Stochastic Training of Neural Fields
par: Chng, Shin-Fang, et autres
Publié: (2024)
par: Chng, Shin-Fang, et autres
Publié: (2024)
Documents similaires
-
Memory-Efficient Optimization with Factorized Hamiltonian Descent
par: Nguyen, Son, et autres
Publié: (2024) -
Cautious Optimizers: Improving Training with One Line of Code
par: Liang, Kaizhao, et autres
Publié: (2024) -
Lion Secretly Solves Constrained Optimization: As Lyapunov Predicts
par: Chen, Lizhang, et autres
Publié: (2023) -
Muon Optimizes Under Spectral Norm Constraints
par: Chen, Lizhang, et autres
Publié: (2025) -
Memory-Efficient LLM Training with Online Subspace Descent
par: Liang, Kaizhao, et autres
Publié: (2024)