热点事件持续更新
TensorChain：链式LMO优化LLM预训练
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月9日，arXiv机器学习理论方向发布论文，提出链式线性最小化预言机（chained LMO），将多矩阵归一化优化器统一为LMO组合，并指出许多链式方法在光滑凸目标上可能发散。理论分析基于线性联想记忆，表明链式结构在各向异性嵌入下可优于Muon。论文同时给出新优化器TensorChain，在Qwen3 0.6B与1.7B预训练中平均token效率领先所有链式基线，在相同验证损失下较Muon平均节省9.6% token。目前报道仅涉及该论文内容，尚无后续独立验证或应用进展。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
arXiv论文提出TensorChain，在Qwen3预训练中较Muon平均节省9.6% token。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv · Machine Learning Theory用链式 LMO 优化大语言模型
论文提出链式线性最小化预言机（chained LMO），把多矩阵归一化优化器统一为 LMO 组合，并指出许多链式方法在光滑凸目标上可能发散。理论分析基于线性联想记忆，表明链式结构在各向异性嵌入下可优于 Muon。新优化器 TensorChain 在 Qwen3 0.6B 与 1.7B 预训练中平均 token 效率领先所有链式基线，在相同验证损失下较 Muon 平均节省 9.6% token。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。