Beyond Muon: MUD (MomentUm Decorrelation) for Faster Transformer Training

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Southworth, Ben S., Thomas, Stephen
Formato: Preprint
Publicado: 2026
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares