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:2506.12543

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2506.12543 (cs)
[提交于 2025年6月14日 ]

标题: 你的批量大小是问题所在吗? 重温语言建模中的Adam-SGD差距

标题: Is your batch size the problem? Revisiting the Adam-SGD gap in language modeling

Authors:Teodora Srećković, Jonas Geiping, Antonio Orvieto
摘要: Adam 在语言模型中表现明显优于随机梯度下降(SGD),对此现象已有多种解释。在这项工作中,我们通过一系列全面调整的 Transformer 语言模型训练运行重新审视了这一“优化器差距”。我们系统地研究了动量、梯度裁剪和批量大小对 SGD 和 Adam 之间差距的影响。我们的实证结果显示,如果正确调优,带有动量的 SGD 实际上可以在小批量设置下表现出与 Adam 类似的性能。我们重新审视了现有解释 Adam 优势的因素,包括重尾类不平衡、方向锐度和 Hessian 异质性,这些因素难以直接解释该现象。为了弥合理解上的差距,通过对我们的 Transformer 训练运行以及受文献启发的简单二次设置进行分析,我们基于随机微分方程模型提供了新的见解,揭示了批量大小在训练动力学中的作用。
摘要: Adam is known to perform significantly better than Stochastic Gradient Descent (SGD) in language models, a phenomenon for which a number of explanations have been proposed. In this work, we revisit this "optimizer gap" through a series of comprehensively tuned baseline training runs for language modeling with Transformers. We exhaustively study how momentum, gradient clipping, and batch size affect the gap between SGD and Adam. Our empirical findings show that SGD with momentum can actually perform similarly to Adam in small-batch settings, if tuned correctly. We revisit existing explanations for Adam's advantage, including heavy-tailed class imbalance, directional sharpness, and Hessian heterogeneity, which struggle to directly explain this phenomenon. Towards bridging this gap in our understanding, by analyzing our Transformer training runs and simple quadratic settings inspired by the literature, we provide new insights, driven by stochastic differential equation models, into the role of batch size on the training dynamics.
评论: 简短版本被2025年ICML HiLD Workshop接受
主题: 机器学习 (cs.LG) ; 优化与控制 (math.OC)
引用方式: arXiv:2506.12543 [cs.LG]
  (或者 arXiv:2506.12543v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.12543
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Antonio Orvieto [查看电子邮件]
[v1] 星期六, 2025 年 6 月 14 日 15:37:31 UTC (8,134 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
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs.LG
math
math.OC

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