arXiv NLP
МОНА: " Muon Optimizer with Nesterov Ускорение для подготовки моделей языка, пригодных для использования в больших масштабах &qt;
arXiv: 2605.26842v2 Annuales Type: заменить кросс-бюллетень. Однако, как и все методы первого заказа, Муон может оказаться в ловушке острой местной минимации. В этой работе мы представляем MONA, оптим...
arXiv NLP