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

攀枝花市第六中学app 邢台市第三高中app 安庆市桥梁管理app 张家口市农业局app 淮北市养老服务app 海东市电台广播中心app 新乡市未成年保护协会app 哈尔滨市土地申报app 汕头市第四中学app 平凉市司法管理app 昌都市公开信息app 聊城市法律服务app 大同市第一小学app 广州市通讯协会app 宜昌市第六中学app 营口市征地服务app 双鸭山市新闻中心app 天水市审计公开app 银川市灾害救助app 深圳市第三小学app 衡阳市灾害救助app 泰安市粮食管理app 肇庆市政务服务app 晋城市土地申报app 厦门市农业app 徐州市铁路管理app 徐州市第五小学app 南昌市同城app 滦南县风力发电app 若羌县防洪app 博罗县公正处app 米脂县司法管理app 古田县警务app 遂溪县消防宣传app 连江县教育局app 高青县灾害救助app 岳池县建设局信息app 无极县第二小学app 苍南县第五小学app 精河县第五高中app 桑植县论坛app 射阳县建湖县防灾信息app 襄城县公开信息app 嘉禾县消防宣传app 太和县萧县卫生协会app 桂阳县工商信息app 绥棱县通讯协会app 常山县太阳能发电信息app 永昌县公路管理app 墨竹工卡县天气监控中心app 休宁县防灾信息app 盐山县住房保障app 弥渡县专题专栏app 长白朝鲜族自治县台风信息app 凤庆县防洪app 改则县街道办app 洞口县残联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