GPAS: Accelerating Convergence of LLM Pretraining via Gradient-Preserving Activation Scaling

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Chen, Tianhao, Xu, Xin, Liu, Zijing, Li, Pengxiang, Song, Xinyuan, Jaiswal, Ajay Kumar, Zhang, Fan, Hu, Jishan, Wang, Yang, Chen, Hao, Diao, Shizhe, Liu, Shiwei, Li, Yu, Yin, Lu, Yang, Can
Format:	Preprint
Publié:	2025
Sujets:	Machine Learning Computation and Language
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Internet

https://arxiv.org/abs/2506.22049