Temperon：全职 SAM 质量，减少三分之一的挂钟

清晰度感知最小化（SAM）使每个训练步骤的成本增加了一倍，但它的好处集中在训练结束的地方。我们研究了昂贵的训练模式应该用在哪里，并提出了 Temperon：一个普通的 SGD 探索器，用于 epoch 预算的前 43%，然后一个预定的交接，将整个最终余弦退火交给 SAM 包裹的 Muon 精炼器。在 CIFAR-10/100、SVHN 和 Tiny ImageNet（五个种子，报告的时间为 epochs-to-target 时间乘以空闲 GPU 校准的 epoch 成本）上，Temperon 在所有准确度上都与最佳的全职 SAM 配方相匹配，同时在四个中的三个上更快地达到最难的共同目标 35%、34% 和 32%，并且在同等成本下比已发布的 SAM+SGD 配方高出一层。消融使归属变得准确：Muon 精炼器价值 +0.85pp，其他所有内容均固定；探索者的形状及其重新启动毫无价值，我们将其作为贡献撤回。以匹配的预算重新运行最接近的竞争对手后期 SAM 显示了边界：它对每个中级目标都是最快的，但任何种子中都没有 SGD 精炼方法达到 Muon 精炼器购买的层（CIFAR-100 上为 0.83，CIFAR-10 上为 0.97），而在 Tiny ImageNet 上，Muon 没有购买任何层，竞争对手只是获胜 - 该方法的测量边界。分配法则转移到 GPT-2 预训练（-29% 挂钟的全 SAM 质量）和 GLUE 微调（绝不会比全职 SAM 差，但 SAM 成本只有三分之一）。两个常数组织了经济学：提前跳过 SAM 会购买固定信用，而在所有四个数据集上，Muon 历元的成本是 SAM+SGD 历元的 1.50 倍。最后，切换不能根据轨迹来计时：在余弦调度下，精度曲线是平稳然后激增，因此信息存在于调度中，使得调度切换有原则性而不是方便性。代码和可安装 pip 的实现已发布。