2025_NIPS_AlphaDecay: Module-wise Weight Decay for Heavy-Tailed Balancing in LLMs

文章核心总结与翻译一、主要内容本文聚焦大型语言模型（LLMs）训练中的权重衰减（weight decay）技术优化，指出传统统一权重衰减方案忽略了LLMs模块间的结构差异和谱特性差异，导致训练效果受限。基于重尾自正则化（HT-SR）理论，提出了模块级权重衰减策略AlphaDecay：通过分析各模块权重相关矩阵的经验谱密度（ESD）量化“重尾性”，对重尾性更强（特征学习能力更强）的模块分配较弱的权重衰减，对轻尾性模块分配更强的权重衰减，从而平衡模块间的谱特性差异。实验验证覆盖60M至1B参数的LLaMa系列模型，在C4数据集预训练中，AlphaDecay在困惑度（perplexity）和泛化能力上持续优于传统统一衰减及AWD、AdaDecay等自适应衰减基线；在零样本常识推理、GLUE微调任务中同样表现突出，且在GPT-nano、ViT等不同架构上验证了跨场景有效性。二、创新点发现核心问题：首次明确LLMs不同模块（注意力模块att.q/k/v/o与MLP模块mlp.gate/up/down）的ESD重尾性存在显著差异，这种差异是导致模型性能下降的关键原因。理论驱动方法：基于HT-SR理论，提出用PL_Alpha_Hill指标量化模块重尾性，构建模块级自适应权重衰减分配机制，实现谱特性对齐。通用高效设计：无需修改模型结构，可适配Adam、AdamW等主流优化器，在不同参数规模、架构和任务中均表现稳定，且计算开销低（每500步