10 月 22 日消息，科技媒體 dataconomy 昨日（10 月 21 日）發(fā)布博文，報道稱英偉達在訓練 AI 模型方面取得重大突破，發(fā)布了最新的 Normalized Transformer（nGPT）新架構，保持模型的穩(wěn)定性和準確性的前提下，可以將訓練 AI 時間縮短至 1/4 或者 1/20。

nGPT 架構提升效率的秘訣在于“超球面學習”（Hyperspherical learning）這個概念。

傳統(tǒng)的變換器模型通常缺乏一致的幾何框架，而 nGPT 通過將嵌入、注意力矩陣和隱藏狀態(tài)等關鍵組件映射到超球面表面，確保模型各層在訓練過程中保持平衡。

這種幾何結構有助于創(chuàng)造更穩(wěn)定高效的學習過程：

減少訓練步驟：nGPT 不再直接對模型權重應用權重衰減，而是依賴學習到的縮放參數(shù)，優(yōu)化模型在訓練中的調整方式。

簡化過程：此方法消除了對 LayerNorm 或 RMSNorm 等歸一化技術的需求，使訓練過程更為簡單和快速。

英偉達團隊使用 OpenWebText 數(shù)據(jù)集進行測試，nGPT 在速度和效率上均優(yōu)于傳統(tǒng)的 GPT 模型。對于長達 4000 個 tokens 的文本輸入，nGPT 所需的訓練輪次遠少于傳統(tǒng)模型，顯著縮短了訓練時間。

nGPT 的一個關鍵優(yōu)勢是將歸一化（normalization）和表示學習（representation learning）結合成一個統(tǒng)一框架，這種設計簡化了模型架構，便于擴展和適應更復雜的混合系統(tǒng)。未來，nGPT 的方法可能被整合進其他類型的模型和架構，從而開發(fā)出更強大的 AI 系統(tǒng)。