待验证50% 置信解决方案精确时间

ZGCM-1使用稳定的FP8 Muon优化器，将Muon优化器与FP8低精度训练结合并保持训练稳定

1

来源数

50%

置信度

长期有效

时效性

2026/9/15

首次发现

来源

ZGCM-1：7B全开源模型如何用工具调用挑战千亿级大模型

涉及实体

ZGCM-1model Muon优化器concept FP8concept

相关事实

待验证MUON优化器替代了沿用多年的AdamW优化器，通过引入矩阵正交化步骤使训练曲线更加平滑66% 相似待验证借助 FP8 混合精度，MoE 中的专家前馈计算可在降低显存占用和带宽压力的同时保持训练稳定性64% 相似待验证ZGCM-1公开了预训练、中期训练、后训练三个阶段的模型权重、中间检查点、完整训练代码、数据与数据配方及W&B训练日志62% 相似待验证论文称ZGCM-1在16K上下文的预训练中相比基线实现约4.2倍的time-to-loss效率提升61% 相似待验证深度学习训练的梯度同步瓶颈使得低耦合任务（如批量推理、超参数搜索、渲染）更适合P2P架构，而分布式训练不适合60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/921653

API

curl https://kongchang.com/api/v1/knowledge/claims/921653

MCP

get_claim(id=921653)