热点事件持续更新
广义BG-a噪声模型与自适应批调度助力LLM预训练
1 篇报道1 个报道来源16 小时前 更新
先了解这件事
AI 综述
2026年10月5日，arXiv Machine Learning Theory（一手来源）发表论文《自适应批处理为何助力LLM预训练：来自无界方差的视角》。论文提出广义BG-a噪声模型，通过可调增长指数在有界方差（a=0）与BG-0噪声（a=2）之间插值，用于解释LLM预训练中增大批量的收益。在L-smoothness假设下，给出随增长变化的oracle复杂度下界Ω(ε^{-(4+a)})及匹配上界，并设计通过动态调整批量控制方差增长的自适应批调度器。目前进展为该模型与调度器的理论框架已发表，后续尚无实证或应用报道。
AI 根据报道生成 · 15 小时前更新
最新进展10月5日 12:00
论文提出广义BG-a噪声模型及自适应批调度器，给出oracle复杂度上下界，解释LLM预训练批量收益。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv · Machine Learning Theory自适应批处理为何助力 LLM 预训练：来自无界方差的视角
论文提出广义 BG-a 噪声模型，以可调增长指数在有界方差（a=0）与 BG-0 噪声（a=2）之间插值，解释 LLM 预训练中增大批量的收益。在 L-smoothness 下给出随增长变化的 oracle 复杂度下界 Ω(ε^{-(4+a)}) 及匹配上界，并设计通过动态调整批量控制方差增长的自适应批调度器。
本事件热度走势
当前热度 7·可比范围峰值 10（10月5日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。