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

襄阳市住房保障app 崇左市中心校app 南充市农业补贴app 泉州市民政管理app 呼伦贝尔市第二高中app 白山市街道办app 景德镇市第二小学app 玉林市水利app 包头市农业补贴app 亳州市防火app 黄山市工商局app 茂名市人社管理app 平凉市审计公开app 通辽市信息公开app 衡阳市劳动局app 黄山市教育局app 雅安市养殖补助app 湘潭市人社管理app 成都市电力app 武威市残联app 合肥市振兴乡村app 平顶山市申建app 巴彦淖尔市征地服务app 盘锦市消防局app 九江市街道办app 黄山市人社管理app 德庆县财政信息app 峨山彝族自治县法律服务app 麦盖提县天气监控中心app 曹县消费协会app 独山县征地服务app 晴隆县第一中学app 奉新县服务大厅app 太白县司法管理app 云阳县历史记录app 贞丰县建设局信息app 长沙县学校app 秦安县消防宣传app 措美县桥梁管理app 克东县文旅信息app 临猗县政务服务app 茂县铁路管理app 青冈县信息公开app 盘山县森林消防app 成安县第一中学app 民和回族土族自治县数据管理局app 桐庐县特殊家庭关爱协会app 华池县未成年保护协会app 桃源县养殖补助app 承德县财政信息app 东辽县第一高中app 伊宁县学校简介app 临潭县城乡建设app 莒南县不良信息举报app 云阳县不良信息举报app 阳谷县街道办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