GradPower: Powering Gradients for Faster Language Model Pre-Training

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Jinbo, Wang, Mingze, Zhang, Jiaqi, Wang, Wei, Pei, Peng, Cai, Xunliang, E, Weinan, Wu, Lei
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Schreiben Sie den ersten Kommentar!

Ähnliche Einträge