（来源：上观新闻）
因为 Muo5️⃣🚤n 是基🇺🇿♋于矩阵更新🔧的（矩阵是二🇬🇶🎂维的）所🇧🇪🦹♂️以训练时涉及⁉🦍一维参数的部分🧟♂️✡仍会用 Ada🤹♀️🕤mW，这就有一个⏭二者之♉⛄间的学习率的🏴👧比例问题🚾。创新点2：逐层递🛒归计算统一框架🐟🧥 将层次T网格♥🤶的所有🦶细分模式统一归纳🙁为广义的“张⏏量积细分”，首⛔🌕次证明🖋🇲🇴在任意次😏😣数、最高阶光🔌滑情形下，协调🇳🇨🥵向量空间↩的维数可逐级递归🎹计算，极大简化了🤔复杂多层网👗格结构的理论推👩🔧导过程👄🇲🇲。
有些求职者表示📈感兴趣，只💚📄是看看，而💍有些则是想入行，🇬🇶⛔这里面不乏从汽车🧜♂️、从传统工🇨🇩🔥业软件💤😰过来的“老兵🦟”🇹🇲🦹♂️。主要研究⚖🎀方向是自👨👧👧适应样条函数🇫🇷👑理论、自适应等👩👩👧👦🧞♀️几何分析以🌝🍹及曲线曲面隐🚿式化等💊🇦🇬，发表S🚬CI论文🏵🇸🇷6篇🇬🇾🔞。对于线性层这类🕳🕟二维参数，🤣它本质🍟🉑上是矩🇳🇵🧑阵乘法，Muon🦶⬜ 会把整个矩🎬🕟阵作为整体进行归🇱🇻😿一化和优化🍏，这能更好地利🥵🍟用矩阵🦍中不同元素之间的🇸🇷🔪联系，让🍋矩阵内🌼🏓不同元素的🥋🗜优化步调⚛更一致，进一💫步提升训练效率和🇫🇯推理能力🚻。
