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

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	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
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Keine Beschreibung verfügbar.

Ähnliche Einträge