Warning: fopen(game/gziqtx16900): failed to open stream: No space left on device in /www/wwwroot/t014.baguatan.cn/public/game.php on line 35

Warning: fwrite() expects parameter 1 to be resource, bool given in /www/wwwroot/t014.baguatan.cn/public/game.php on line 36

Warning: fclose() expects parameter 1 to be resource, bool given in /www/wwwroot/t014.baguatan.cn/public/game.php on line 37
月之暗面 Kimi 开源 Moonlight:30 亿 / 160 亿参数混合专家模型
月之暗面 Kimi 开源 Moonlight:30 亿 / 160 亿参数混合专家模型

月之暗面 Kimi 开源 Moonlight:30 亿 / 160 亿参数混合专家模型

作者: 发表时间:2025-08-29 6:38:23
大同市街道办app 西宁市第四高中app 周口市防火app 随州市卫生协会app 安顺市环境保护协会app 宜春市旅游监督app 佳木斯市便民app 三门峡市专题专栏app 湛江市征地服务app 三明市农业补贴app 宿州市电台广播中心app 湖州市学校简介app 广州市防洪app 杭州市警务app 包头市环境保护协会app 牡丹江市第一中学app 铜川市台风信息app 洛阳市中心校app 运城市安全宣传app 武汉市土地申报app 深圳市招标信息app 怀化市第四中学app 松桃苗族自治县第二中学app 丰都县暴雨监控中心app 特克斯县便民app 长阳土家族自治县残联救助app 武定县热点专题app 微山县法律服务app 前郭尔罗斯蒙古族自治县城乡建设app 湖口县招标信息app 龙胜各族自治县论坛app 桃源县审计公开app 日土县防火app

本站 2 月 24 日消息,月之暗面 Kimi 昨日发布了“Muon 可扩展用于 LLM 训练”的新技术报告,并宣布推出“Moonlight”:一个在 Muon 上训练的 30 亿 / 160 亿参数混合专家模型(MoE)。使用了 5.7 万亿个 token,在更低的浮点运算次数(FLOPs)下实现了更好的性能,从而提升了帕累托效率边界。

月之暗面称,团队发现 Muon 优化器可通过添加权重衰减、仔细调整每个参数的更新幅度等技术进行扩展,并具备如下亮点:

这些技术使得 Muon 能够在大规模训练中开箱即用,无需进行超参数调优。扩展法则实验表明,与计算最优训练的 AdamW 相比,Muon 实现了约 2 倍的计算效率。

本次论文所使用的模型为 Moonlight-16B-A3B,总参数量为 15.29B,激活参数为 2.24B,其使用 Muon 优化器,在 5.7T Tokens 的训练数据下获得上述成绩。

我们的模型不仅突破了当前的 Pareto 前沿,还在训练所需的 FLOP 数大幅减少的情况下,达到了比以往模型更优的性能。

我们开源了一个分布式版本的 Muon 实现,它在内存使用和通信效率上都进行了优化。同时,我们也发布了预训练模型、经过指令调优的模型以及中间训练检查点,旨在为未来的研究提供支持。

本站附有关链接如下:

    GitHub:点此前往

    Hugging Face :点此前往

相关文章