Dmitrii Vlashchuk

Paper che riportano Dmitrii Vlashchuk tra gli autori della fonte. Lo stesso nome può riferirsi a ricercatori diversi.

1 risultati

1. PaperMachine Learning

   I pesi strutturati rendono il training con Muon più economico su larga scala

   In run abbinati su modelli densi e MoE, Monarch–Muon ha ottenuto loss inferiore rispetto a Monarch–AdamW; a 6,89 miliardi di parametri ha ridotto tempo per passo e memoria rispetto a Muon denso.

   Aggiunto a Chiosa 14 ott 2026