Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2510.02239

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2510.02239 (cs)
[提交于 2025年10月2日 ]

标题: Drop-Muon:更新更少,收敛更快

标题: Drop-Muon: Update Less, Converge Faster

Authors:Kaja Gruntkowska, Yassine Maziane, Zheng Qu, Peter Richtárik
摘要: 深度学习优化的传统观念规定在每一步更新所有层——这一原则被所有最近的最先进的优化器如Muon所遵循。 在本工作中,我们挑战这一假设,表明在理论和实践中,全网络更新根本上是次优的。 我们引入了一种非欧几里得随机渐进训练方法——Drop-Muon——一个简单而强大的框架,根据随机计划每一步只更新一部分层,结合了渐进训练的效率与特定层的非欧几里得更新,以实现顶级性能。 我们在逐层平滑和逐层$(L^0, L^1)$-平滑条件下提供了严格的收敛保证,涵盖了确定性和随机梯度设置,标志着在随机和非平滑情况下渐进训练的首次此类结果。 我们的成本分析进一步表明,只有当层平滑常数之间存在非常特定的关系时,全网络更新才是最优的。 通过受控的CNN实验,我们实证证明Drop-Muon始终优于全网络Muon,在墙钟时间内达到相同精度的速度快至$1.4\times$。 综上所述,我们的结果表明了大规模模型可以高效训练方式的转变,挑战了现状,并为全网络更新提供了一个高效且理论基础牢固的替代方案。
摘要: Conventional wisdom in deep learning optimization dictates updating all layers at every step-a principle followed by all recent state-of-the-art optimizers such as Muon. In this work, we challenge this assumption, showing that full-network updates can be fundamentally suboptimal, both in theory and in practice. We introduce a non-Euclidean Randomized Progressive Training method-Drop-Muon-a simple yet powerful framework that updates only a subset of layers per step according to a randomized schedule, combining the efficiency of progressive training with layer-specific non-Euclidean updates for top-tier performance. We provide rigorous convergence guarantees under both layer-wise smoothness and layer-wise $(L^0, L^1)$-smoothness, covering deterministic and stochastic gradient settings, marking the first such results for progressive training in the stochastic and non-smooth regime. Our cost analysis further reveals that full-network updates are not optimal unless a very specific relationship between layer smoothness constants holds. Through controlled CNN experiments, we empirically demonstrate that Drop-Muon consistently outperforms full-network Muon, achieving the same accuracy up to $1.4\times$ faster in wall-clock time. Together, our results suggest a shift in how large-scale models can be efficiently trained, challenging the status quo and offering a highly efficient, theoretically grounded alternative to full-network updates.
主题: 机器学习 (cs.LG) ; 优化与控制 (math.OC); 机器学习 (stat.ML)
引用方式: arXiv:2510.02239 [cs.LG]
  (或者 arXiv:2510.02239v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2510.02239
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Kaja Gruntkowska [查看电子邮件]
[v1] 星期四, 2025 年 10 月 2 日 17:28:55 UTC (653 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
cs.LG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-10
切换浏览方式为:
cs
math
math.OC
stat
stat.ML

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号