論文の概要: Improving Data-Constrained Scaling with Hyperparameter Transfer and Ensembling

• arxiv url: http://arxiv.org/abs/2610.37842v1
• Date: Tue, 27 Oct 2026 18:52:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-31 05:25:12.31653
• Title: Improving Data-Constrained Scaling with Hyperparameter Transfer and Ensembling
• Title（参考訳）: ハイパーパラメータ転送と組立によるデータ制約付きスケーリングの改善
• Abstract要約: FineWebから1億のトークンをトレーニングすることで、私たちのレシピは、以前のレシピと比較して、バリデーション損失を0.15ナット以上削減します。 これらの利得は、より小さな実行に適合する処方薬を使用して達成され、最大12$times$より大きな計算予算で検証される。
• 参考スコア（独自算出の注目度）: 34.00045827961183
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As growing compute budgets outpace the growth of high-quality training data, large language models must be trained with both compute and data constraints in mind. Unfortunately, existing prescriptions for data-constrained scaling suffer from two important limitations. First, past works hold key hyperparameters such as weight decay fixed with scale, despite the fact that optimal hyperparameters vary wildly with model size and number of epochs. Second, past works neglect ensembling, a promising axis for scaling under data constraints. As a surprising consequence, prior prescriptions can lead to loss that increases with compute budget. We address both limitations by fitting power laws that prescribe how to transfer hyperparameters with scale and scaling laws that prescribe how to allocate compute with ensembling. Training on 100M tokens from FineWeb, our recipe reduces validation loss by over 0.15 nats compared to prior recipes, a 14% decrease in perplexity, and achieves monotonic improvements with compute through ensembling. These gains are achieved using prescriptions fit to smaller runs and validated at up to 12$\times$ larger compute budgets.
• Abstract（参考訳）: 計算予算の増大は、高品質なトレーニングデータの増加よりも優れており、大きな言語モデルは、計算とデータ制約の両方を念頭にトレーニングされなければならない。 残念ながら、データ制約のあるスケーリングの既存の処方は、2つの重要な制限に悩まされている。 第一に、過去の研究は、最適なハイパーパラメータがモデルのサイズやエポックの数と大きく異なるという事実にもかかわらず、スケールで固定された重量減衰のような重要なハイパーパラメータを保持する。 第二に、過去の作業は、データ制約下でのスケーリングのための有望な軸であるアンサンブルを無視しています。 驚くべき結果として、事前処方薬は、計算予算によって増加する損失につながる可能性がある。 我々は、ハイパーパラメータをスケールで転送する方法を規定する電力法則と、エンハンブルで計算を割り当てる方法を規定するスケーリング法則を適合させることで、両方の制限に対処する。 FineWebから1億個以上のトークンをトレーニングすることで,従来のレシピと比較してバリデーション損失を0.15ナット以上削減し,パープレキシティを14%低減し,アンサンブルによる計算による単調な改善を実現した。 これらのゲインは、より小さな実行に適合する処方薬を使用して達成され、最大12$\times$より大きな計算予算で検証される。

関連論文リスト

• Prescriptive Scaling Laws for Data Constrained Training [21.261009598515066]
  トレーニング計算は、高品質なデータの可用性をますます上回っている。 チンチラスケーリング法は、すべてのトレーニングトークンがユニークであると仮定する。 我々のスケーリング法則は、定性的に新しい計算-最適割り当てアドバイスをもたらす。
  論文  参考訳（メタデータ） (2026-05-02T23:14:20Z)
• Pre-training under infinite compute [87.02472603429936]
  本研究では、エポック数の増加とパラメータ数の増加に対するデータ制約によるアプローチが、最終的には過度に適合することを示す。 独立に訓練されたモデルのアンサンブルは、正規化レシピよりもはるかに低損失の漸近を達成できる。 この結果から,計算量の多い将来において,よりデータ効率の高い事前学習が実現できることが示唆された。
  論文  参考訳（メタデータ） (2025-09-18T09:36:23Z)
• Scaling Data-Constrained Language Models [133.2083255645999]
  データ制約付きシステムにおける言語モデルのスケーリングについて検討する。 固定された計算予算に対する制約付きデータでは、反復するデータの最大4つのエポックなトレーニングは、ユニークなデータに比べて損失に対する無視可能な変化をもたらす。 本稿では,繰り返しトークンと過剰パラメータの値の減少を考慮に入れた計算最適性のスケーリング法則を提案し,実証的に検証する。
  論文  参考訳（メタデータ） (2023-05-25T17:18:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。