BReD: Block Replay Dithering for Stable Low-Bit EMA Optimizer States
Heshen Zhan · Youhan Huang · Yunke Peng · Yao Wang · Linghui Kong · Ziwei Zhu · Qingyu Han · Yaoyuan Wang · Congliang Chen · Ruoyu Sun
首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。
实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。
Heshen Zhan · Youhan Huang · Yunke Peng · Yao Wang · Linghui Kong · Ziwei Zhu · Qingyu Han · Yaoyuan Wang · Congliang Chen · Ruoyu Sun
Hei Yi Mak · Shadan Golestan · Hoang Le · Mehran Taghian Jazi · Yunke Peng · Yaoyuan Wang · Yao Wang · JUNSONG WANG · Tianchi Hu · Fengchen He · Guipeng Hu · Tanzila Rahman · Anandharaju D Raju
Mehran Taghian Jazi · Yunke Peng · Xing Huang · Yao Wang · Yaoyuan Wang · Wei Guo · Yuanyong Luo · Tianchi Hu · JUNSONG WANG · Xin Wang · Hu Liu · Yu Cheng · Yu Z Wei · Hongliang Li · Mehdi Rahimifar · Lei YAN · wxuefei · Zhuang Ma · Liulei · Hui Yu · Anandharaju D Raju · Hoang Le · Hei Yi Mak · Tanzila Rahman · Shadan Golestan
Jinyang Du · Ruihao Gong · Linghan Ai · Zining Wang · Yunke Peng · Yao Wang · Lei YAN · wxuefei · Yaoyuan Wang · Jinyang Guo · Dahua Lin · Xianglong Liu
Training large language models (LLMs) at 4-bit precision offers substantial efficiency gains but remains challenging due to the limited dynamic range and coarse numerical resolution. Existing 4-bit training pipelines typically rely on max-scaling, which is ill-suited for heavy-tailed LLM tensor d...