一、背景

目前NLP主流范式是在大量通用數(shù)據(jù)上進(jìn)行預(yù)訓(xùn)練語(yǔ)言模型訓(xùn)練，然后再針對(duì)特定下游任務(wù)進(jìn)行微調(diào)，達(dá)到領(lǐng)域適應(yīng)（遷移學(xué)習(xí)）的目的。

Context Learning v.s. SFT

指令微調(diào)是預(yù)訓(xùn)練語(yǔ)言模型微調(diào)的主流范式，其目的是盡量讓下游任務(wù)的形式盡量接近預(yù)訓(xùn)練任務(wù)。

從而減少下游任務(wù)和預(yù)訓(xùn)練任務(wù)之間的Gap, 實(shí)現(xiàn)預(yù)訓(xùn)練語(yǔ)言模型適應(yīng)下游任務(wù)，而非下游任務(wù)去適應(yīng)模型

指令微調(diào)的效果要優(yōu)于基于Zero/Few-shot的提示詞工程的上下文學(xué)習(xí)。

但隨著預(yù)訓(xùn)練語(yǔ)言模型進(jìn)入LLM時(shí)代，其參數(shù)量愈發(fā)龐大。全量微調(diào)模型所有參數(shù)所需的顯存早已水漲船高。

例如：

全參微調(diào)Qwen1.5-7B-Chat預(yù)估要2張80GB的A800，160GB顯存 全參微調(diào)Qwen1.5-72B-Chat預(yù)估要20張80GB的A800，至少1600GB顯存

而且，通常不同的下游任務(wù)還需要LLM的全量參數(shù)，對(duì)于算法服務(wù)部署來(lái)說(shuō)簡(jiǎn)直是個(gè)災(zāi)難（當(dāng)然，一種折衷做法就是全量微調(diào)后把增量參數(shù)進(jìn)行SVD分解保存，推理時(shí)再合并參數(shù) ）。

為了尋求一個(gè)不更新全部參數(shù)的廉價(jià)微調(diào)方案，之前一些預(yù)訓(xùn)練語(yǔ)言模型的高效微調(diào)(Parameter Efficient, PEFT)工作，要么插入一些參數(shù)或?qū)W習(xí)外部模塊來(lái)適應(yīng)新的下游任務(wù)。

接下來(lái)將介紹如下4個(gè)PEFT方法（重點(diǎn)是主流的LoRA）：

• Adatper Tuning
• Prompt Tuning
• Prefix Tuning
• LoRA

二、參數(shù)高效微調(diào)

2.1 Adapter Tuning

Adapter Tuning試圖在Transformer Layer的Self-Attetion+FFN之后插入一個(gè)先降維再升維的MLP（以及一層殘差和LayerNormalization）來(lái)學(xué)習(xí)模型微調(diào)的知識(shí)。

Adapter即插入的FF up + FF Down。

在微調(diào)時(shí)，Transformer Layer原有的所有參數(shù)凍結(jié)，反向傳播后僅更新Adapter參數(shù)。

缺點(diǎn)：需要修改原有模型結(jié)構(gòu)，同時(shí)還會(huì)增加模型參數(shù)量。

2.2 Promot Tuning

Prompt Tuning設(shè)計(jì)了一種prefix prompt方法，即在模型輸入的token序列前添加前綴prompt token，而這個(gè)前綴prompt token的embedding是由網(wǎng)絡(luò)學(xué)到。

Prompt Tuning可以看做token已經(jīng)確定，但是embedding是可以學(xué)的。

它相當(dāng)于僅用prompt token的embedding去適應(yīng)下游任務(wù)，相比手工設(shè)計(jì)或挑選prompt，它是一種Soft的prompt(軟提示)

在針對(duì)下游任務(wù)微調(diào)時(shí)，Prompt Tuning將凍結(jié)原始LLM的參數(shù)，只學(xué)習(xí)獨(dú)立的prompt token參數(shù)（參數(shù)化的prompt token加上輸入的token送入模型進(jìn)行前向傳播，反向傳播只更新prompt token embedding的參數(shù)）。

在針對(duì)不同的下游任務(wù)微調(diào)時(shí)，就可以分別學(xué)習(xí)不同的Task Specifical的Prompt Token參數(shù)。

• Soft Prompt Tuning在模型增大時(shí)可以接近Model Tuning(fine-tuning)的效果
• 離散Prompt Tuning(Prompt Design)基本不能達(dá)到Model Tuning的效果

Promot Tuning方法的參數(shù)成本是，其中是提示長(zhǎng)度，是token嵌入維度。

提示越短，必須調(diào)整的新參數(shù)就越少，那么調(diào)參的目標(biāo)是就是找到表現(xiàn)仍然良好的最小prefix prompt長(zhǎng)度。

2.3 Prefix-Tuning

為了避免人為的離散Prompt選取優(yōu)化，Prefix-Tuning提出可學(xué)習(xí)的Prefix Prompt。

Prefix-Tuning提出可學(xué)習(xí)的Prompt，即：

learns a sequence of prefixes that are prepended at every transformer layer

Prefix tuning為層的Transformer Layer的每層多頭注意力的鍵和值都配置了可學(xué)習(xí)的prefix vectors.

Two sets of prefix vectors ,  are concatenatedwith the original key  and value

看到這里可以知道，Prefix-Tuning可以算是Promot Tuning的一個(gè)特例（Promot Tuning只在輸入側(cè)加入可學(xué)習(xí)的Prefix Prompt Token）

2.4 LoRA

為緩解該問(wèn)題，LoRA（Low-Rank Adaption of LLMs），即LLMs的低秩適應(yīng)，被提出用于高效參數(shù)微調(diào)。

相關(guān)論文表明訓(xùn)練學(xué)到的過(guò)度參數(shù)化的模型實(shí)際上存在于一個(gè)較低的內(nèi)在維度上

類似于機(jī)器學(xué)習(xí)中的降維算法，假設(shè)高維數(shù)據(jù)實(shí)際是在低維的流形上一樣

其具體操作是，凍結(jié)了預(yù)訓(xùn)練的模型權(quán)重，并將可訓(xùn)練的LoRA秩分解矩陣注入到LLM的每個(gè)Transformer Decoder層中，從而大大減少了下游任務(wù)的可訓(xùn)練參數(shù)數(shù)量。

LoRA 方法的計(jì)算流程如下圖：

對(duì)于使用LoRA的模型來(lái)說(shuō)，由于可以將原權(quán)重與訓(xùn)練后權(quán)重合并，因此在推理時(shí)不存在額外的開銷。

Prefix Tuning是指在輸入序列前綴添加連續(xù)可微的軟提示作為可訓(xùn)練參數(shù)。由于模型可接受的最大輸入長(zhǎng)度有限，隨著軟提示的參數(shù)量增多，實(shí)際輸入序列的最大長(zhǎng)度也會(huì)相應(yīng)減小，影響模型性能。

三、適用范圍

近來(lái)LLM主要是指，Decoder-Only架構(gòu)的大規(guī)模預(yù)訓(xùn)練語(yǔ)言模型。

畢竟，同等參數(shù)規(guī)模和訓(xùn)練數(shù)據(jù)量，Encoder-Decoder架構(gòu)的T5和Bart在生成任務(wù)熵，相比Decoder-Only架構(gòu)并不具備優(yōu)勢(shì)。更不用說(shuō)，Encoder-Only架構(gòu)的BERT了。

但是，所有使用Transformer架構(gòu)的算法都可以使用上述PEFT方法。

針對(duì)主流的Decoder Only的生成式因果語(yǔ)言模型，其訓(xùn)練范式具體是：

圖片源自:《大規(guī)模語(yǔ)言模型：從理論到實(shí)踐》

• 有監(jiān)督微調(diào)（Supervised Finetuning）：基于高質(zhì)量的指令數(shù)據(jù)(用戶輸入的提示詞 + 對(duì)應(yīng)的理想輸出結(jié)果)微調(diào)LLM，從而得到有監(jiān)督微調(diào)模型（SFT模型）。SFT模型將具備初步的指令理解能力和上下文理解能力（預(yù)訓(xùn)練得到的LLM在指令微調(diào)的過(guò)程中被引導(dǎo)如何使用其學(xué)到的知識(shí)）進(jìn)一步基于結(jié)果有排序指令樣本，
• 獎(jiǎng)勵(lì)建模（Reward Modeling）：獎(jiǎng)勵(lì)階段試圖構(gòu)建一個(gè)文本質(zhì)量對(duì)比模型（相當(dāng)于一個(gè)Critor）。對(duì)同一個(gè)提示詞，它將對(duì)SFT模型給出的多個(gè)不同輸出的質(zhì)量做排序。獎(jiǎng)勵(lì)模型可通過(guò)二分類模型，對(duì)輸入的兩個(gè)結(jié)果之間的優(yōu)劣進(jìn)行判斷。
• 強(qiáng)化學(xué)習(xí)（Reinforcement Learning）：強(qiáng)化學(xué)習(xí)階段將根據(jù)給定的提示詞樣本數(shù)據(jù)，利用在前一階段訓(xùn)練的獎(jiǎng)勵(lì)模型，給出SFT模型對(duì)用戶提示詞補(bǔ)全結(jié)果的質(zhì)量評(píng)估，并與語(yǔ)言模型建模目標(biāo)綜合得到更好的效果。強(qiáng)化學(xué)習(xí)微調(diào)將在SFT模型基礎(chǔ)上，它將使LLM生成的結(jié)果文本能獲得更高的獎(jiǎng)勵(lì)。

除了預(yù)訓(xùn)練，增量預(yù)訓(xùn)練、有監(jiān)督微調(diào)、有監(jiān)督微調(diào)、獎(jiǎng)勵(lì)建模、強(qiáng)化學(xué)習(xí)階段都可以采用PEFT方式。

本文轉(zhuǎn)自 AI生成未來(lái) ，作者：LeonYi

原文鏈接:??https://mp.weixin.qq.com/s/Wax2GZCAgfk_oosgkCWvzA??