AdamS는 대규모 언어 모델(LLM)의 사전 학습 및 미세 조정을 위한 Adam의 간단하면서도 효과적인 대안입니다. 가중치 합의 제곱근을 분모로 사용하여 두 번째 모멘트 추정치를 필요로 하지 않아 메모리 및 계산량 측면에서 SGD with momentum과 동일한 효율성을 제공하면서 우수한 최적화 성능을 달성합니다. AdamW의 하이퍼파라미터를 직접 상속할 수 있으며 모델과 무관하게 기존 파이프라인에 통합이 용이합니다. 트랜스포머 목적 함수의 $(L_0, L_1)$ 부드러움 특성을 바탕으로 설계되었으며, 이론적 수렴 보장과 하이퍼파라미터 선택에 대한 실용적인 지침을 제공합니다. GPT-2와 Llama2 (최대 13B 파라미터) 사전 학습 및 미세 조정 강화 학습 실험에서 강력한 성능을 보여줍니다.