Hessian 相关 AI 资讯 · AI 热点

8月7日

11:38

11:38

官方账号arXiv cs.AI@Johann Birnick, Rayan Saab

精选

BaKron 是一种新的神经网络量化求解器，利用 Kronecker 分解的 Hessian 信息做自适应取整。它在 m×n 权重矩阵上把顺序步骤数降到 O(m+n)，总工作量从 O(m²n²) 降到 O(mn(m+n))，与 GPTQ 的立方复杂度同级。BaKron 基于 BoA 和 YAQA 的两侧自适应取整框架，并兼容不同基础量化器和 Hessian 估计器。论文给出了多种 Hessian 估计器下的量化效果评测。

论文 BaKron GPTQ 模型量化

推荐理由：BaKron用Kronecker曲率做量化，速度和GPTQ同级，能换量化器和Hessian估计器。

6月30日

11:05

11:05

官方账号arXiv cs.LG@Marcelina Marjankowska, Valerio Modugno, Paolo Barucca

该论文研究训练过程中Hessian矩阵领先特征向量的动态演化。作者在多层感知机分类任务上，通过位移和逆参与率两个统计量跟踪特征向量变化。结果显示SGD训练下曲率方向逐渐趋于稳定，而Adam则持续重组特征向量。Adam还表现出局部化现象，少量参数主导领先曲率方向。这些发现揭示了优化器差异对训练轨迹的影响。

论文 SGD Adam Hessian

推荐理由：这篇论文分析了SGD和Adam训练中Hessian特征向量的不同行为，发现Adam会让少量参数主导曲率方向，直观解释了为什么两种优化器训练结果不同。