結構化隨機性

深度分析

StoSignSGD：結構化無偏隨機性下的符號更新，穩定 FP8 低精度訓練的收斂性

大型基礎模型在分散式與低精度環境下訓練時，AdamW易遭數值與通訊瓶頸影響。本研究提出StoSignSGD，於符號運算注入結構化隨機性以維持無偏更新，理論上修復SignSGD於非平滑目標的發散，並在FP8預訓練與7B微調實驗展現穩定性與效率提升。