热点事件历史事件
研究团队提出参数高效从零预训练方法BPT
1 篇报道1 个报道来源4 天前更新
先了解这件事
AI 综述
2026年10月30日，研究团队在arXiv发布论文，提出参数高效预训练方法Bi-Phase Training（BPT）。该方法旨在显著减少可训练参数的同时，保持全参数优化的高秩动态。实验表明，在基于FineWeb-Edu数据集（包含10B和100B tokens）从零预训练Qwen2.5（涵盖100M至1.5B规模）以及OLMo-2-1B模型时，BPT在1.5B规模下成功减少了66%的可训练参数，并取得了接近全参数基线的验证困惑度与下游任务表现。
AI 根据报道生成 · 3 天前更新
最新进展10月30日 12:00
研究团队提出BPT预训练方法，在1.5B模型上减少66%可训练参数且表现接近全参数基线。报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv cs.LGBi-Phase Training：高效从零预训练
研究团队提出参数高效预训练方法 Bi-Phase Training（BPT），能在显著减少可训练参数的同时保持全参数优化的高秩动态。在基于 FineWeb-Edu（10B 和 100B tokens）从零预训练 Qwen2.5（100M 至 1.5B）与 OLMo-2-1B 时，BPT 在 1.5B 规模下减少了 66% 可训练参数，取得接近全参数基线的验证困惑度与下游任务表现。
本事件热度走势
当前热度 3·可比范围峰值 7（10月31日 02:00）·近 24 小时可比范围变化 -49%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。