18:14
官方账号arXiv cs.LG@Artyom Sabitov, Daniil Volkov, Alexey Zaytsev
推荐理由：推荐系统训练时内存不够用？这篇论文告诉你该加批大小还是加负样本，结论很实用。
训练策略
共 4 条相关 AI 资讯
8月12日
18:14
该论文研究内存受限下推荐系统训练中批大小与负样本数量的分配问题。理论分析表明，在固定内存预算下，增大批大小比增加负样本数量带来更快的收敛速度。作者提出将内存优先分配给更多样本的实用规则，并在MovieLens-20M等四个真实推荐基准上验证。实验显示该配置在相同内存下获得更优的收敛速度和最终推荐质量。
7月28日
14:09
14:09
向阳乔木@vista8
向阳乔木@vista8推荐理由：想搞懂大模型为什么越训越大？这个视频用动画讲清Scaling Laws的缩放规律，比看论文容易多了。
7月8日
18:19
18:19
量子位@思邈
精选
推荐理由：智源搞了个新训练法Orca，不让AI一上来就干杂活，先学世界怎么变。论文上了Hugging Face月榜第一，值得看看他们的思路。
6月3日
11:54
11:54向阳乔木@vista8
向阳乔木@vista8精选72°
推荐理由：这项研究挑战了数据清洗的行业惯例，做大模型训练的团队值得关注——或许可以省下大量清洗成本，直接喂原始数据。