热点事件持续更新
研究人员提出Muon-RT算法降低LLM自蒸馏显存
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
2026年11月，研究人员在arXiv上发布论文，提出名为Muon-RT的优化算法。该算法针对大语言模型自蒸馏场景，通过复用EMA教师模型与学生模型的位移，消除了隐藏权重的动量缓冲区，从而大幅降低自蒸馏时的显存占用。实验结果显示，在Qwen2.5-7B-Instruct微调任务中，Muon-RT相较于AdamW和带动量的Muon，准确率分别提升了2.6分和5.4分，持久显存占用分别降低了42%和27%。
AI 根据报道生成 · 17 小时前更新
最新进展11月2日 13:00
研究人员提出Muon-RT算法，通过消除动量缓冲区降低LLM自蒸馏显存并提升微调表现。报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv stat.MLMuon-RT：通过复用教师轨迹实现大语言模型自蒸馏的无动量 Muon
研究者提出 Muon-RT，通过复用 EMA 教师与学生的位移消除隐藏权重的动量缓冲区，大幅降低大语言模型自蒸馏显存。在 Qwen2.5-7B-Instruct 微调中，Muon-RT 相比 AdamW 和带动量的 Muon 准确率分别提升 2.6 和 5.4 分，持久显存减少 42% 与 27%。
本事件热度走势
当前热度 6·可比范围峰值 10（11月2日 14:00）·近 24 小时可比范围变化 –
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。