ChatGTP、LLaMA2等通用大模型具備優(yōu)秀的推理性能，但在面對復雜多變的業(yè)務場景時，往往難以滿足多樣化的需求。ChatGPT等通用大模型通常需要經過復雜漫長的訓練過程，預訓練期間需要巨大的算力和存儲消耗，大多場景下從0到1訓練一個模型不僅成本高昂，而且沒有必要，因此基于預訓練的模型并對其進行微調成為有價值的研究方向。微調預訓練的通用大模型，不僅可以節(jié)約成本，也可以使模型更符合特定領域的需求，變得更定制化、專業(yè)化。如下圖所示，用戶基于預訓練的基礎模型采用合適的微調技術，以定制化的數據集作為輸入，經過微調訓練最終可輸出一個性能更優(yōu)的微調模型。本文主要調研并梳理了LLM微調常規(guī)流程及常用技術，其中介紹了Fine-Tuning（全量參數微調）及Parameter-Efficient Fine-Tuning（高效參數微調），RLHF（基于人類反饋的強化學習），Fine-Tuning全量參數微調成本巨大，應用較少。鑒此本文重點介紹Adapter、Prefix Tuning、LoRA、RLHF 4種常用微調技術的原理，通過歸納整理相關論文及資料，為模型微調工作的技術選型提供參考。

一、基本概念

1.微調的定義

首先對模型微調下個非嚴謹的定義，大模型微調（Fine-tuning）是指在預訓練模型基礎之上，采用標注的高質量數據集或基于人類反饋機制對基礎模型進行訓練，最終輸出具備或增強特定領域能力模型的技術。

2.微調的必要性

 全量訓練成本高昂

據國盛證券報告《ChatGPT 需要多少算力》估算，GPT-3 訓練一次的成本約為 140 萬美元，對于一些更大的 LLM（大型語言模型），訓練成本介于 200 萬美元至 1200 萬美元之間。以 ChatGPT 在 1 月的獨立訪客平均數 1300 萬計算，其對應芯片需求為 3 萬多片英偉達 A100 GPU，初始投入成本約為 8 億美元，每日電費在 5 萬美元左右。因此全量訓練極其高昂，一般企業(yè)難以承受。

 通用模型難以滿足特定領域需求

例如，通用的語言大模型，經過高質量的醫(yī)療數據訓練，可更加專業(yè)的進行醫(yī)療對話。在面對“感冒了怎么辦？”之類的專業(yè)問題，微調前的模型回答可能相對寬泛，比如多喝水，癥狀嚴重時注意看醫(yī)生等，但微調后的模型會基于與用戶的多輪對話上下文，給出更精準、更專業(yè)的回答，經過醫(yī)療數據集微調后的模型，在面對醫(yī)療專業(yè)知識領域時，將具備更優(yōu)的性能。

3.微調的價值

經過微調后的模型具備更強的專業(yè)能力，諸如在問題回答、語言生成、命名實體識別、情感分析、摘要生成、文本匹配等領域具備更優(yōu)的性能。例如，基于財經新聞數據的預訓練模型經過微調后能夠在金融分析、股票預測等領域表現出色；基于醫(yī)療數據的預訓練模型經過微調后能夠提供患者更精準的醫(yī)療咨詢和用藥建議。模型微調后將具備更專業(yè)化、特定化的推理能力。

二、微調技術

1.微調流程

模型微調是一個循序漸進、不斷優(yōu)化迭代的系統工程，一般需要經過模型選取、任務定義、數據準備、策略選擇、模型配置、模型微調、結果評估、優(yōu)化迭代、模型測試、模型部署等流程，通過系統化、流程化的模型微調，將輸出令人滿意的結果。具體步驟簡述如下：

模型選取選取一個優(yōu)秀的基礎大模型，比如OpenAI的ChatGPT，Meta的LLaMA2等，成熟的大模型有大廠背書及活躍的社區(qū)支持，可以具備高質量的模型能力。

任務定義定義一個特定領域的任務，比如上文所述的醫(yī)療問答任務。

數據準備收集標簽化的專業(yè)數據，比如上文的醫(yī)療問答數據可分為訓練集和測試集，一部分用于訓練，一部分用于測試。

策略選擇選擇合適的模型微調策略，比如下文將詳細描述的PERT或RLHF，選擇更適合的微調技術。

模型配置以第一步選取的基礎模型作為起點，完成模型微調前的前置配置。

模型微調基于選擇的微調技術，不同不斷的迭代訓練模型，期間不斷調整參數并監(jiān)控模型的損失函數即精準度。

結果評估使用測試數據集驗證微調后模型的優(yōu)劣

優(yōu)化迭代基于上一步評估的結果，不斷迭代微調過程直到達到滿意的預期效果。

模型測試使用驗證模型的性能。

模型部署將微調后滿足預期的模型部署后等待投入推理使用

2.Fine-Tuning

Fine-Tuning指的是全量參數微調，訓練時間成本高。一般較少使用，因此本文重點介紹高效參數微調，通過凍結參數，局部微調，顯著提供微調效率。

3.PERT

• Adapter在《Parameter-Efficient Transfer Learning for NLP 》論文中提出了Adapter方法，論文指出對預訓練模型每層中插入下游任務參數，微調時凍結模型主體參數，僅訓練特定任務的參數，最終顯著減少訓練過程中產生的算力成本。為論證Adapter方法的有效性，論文作者基于BERT Transformer模型，對26種類別的文本任務進行GLUE基準測試，最終Adapter展示了令人滿意的效果，在GLUE基準測試中，相比較于100%的全量參數微調，每個任務在僅添加3.6%參數的情況下，僅有0.4% 以內的性能差異。如下圖所示，Adapter結構在Transformer Layer中加入Adapter Layer，位置分別位于多頭注意力的投影之后及第二個前饋層之后，訓練時固定原始預訓練模型參數，僅對新增的Adapter及Layer Norm層進行微調。其中每個Adapter 由2個Feedward前饋層組成，首個前饋層接受Transformer輸出作為輸入，通過將高維特征d投影至低維特征m以控制模型參數量，低維特征m經過中間非線性層輸出，第二個前饋層將低維特征m反向還原為高維度特征d，最后作為Adapter的輸出。

經實驗結果表明，通過添加并訓練少量參數，Adapter方法的性能可媲美全量微調，論證了Adapter方法可作為一種高效的參數微調方法。

• Prefix Tuning基于Prompt的設計靈感斯坦福大學團隊在論文中提出的一種通過凍結模型參數，通過連續(xù)的特定任務向量而實現的更輕量級模型微調技術。Prefix Tuning屬于連續(xù)的模板構建，通過把傳統人工設計模版中的token替換成可微調的Virtual Token。其中模型輸入前添加的連續(xù)的針對特定任務的向量序列我們稱之為Prefix，通過更新特定任務的Prefix參數大幅提高微調效率。

對于Decoder-only的GPT，prefix只加在句首，模型的輸入表示為：

對于Encoder-Decoder的BART，prefix同時加在編碼器和解碼器的開頭：

如下圖所示，在下游任務微調時，模型參數被凍結，之后Prefix部分參數被更新，顯著提高訓練效率。

• LoRA

Prefix Tuning通過輸入序列的前綴加入prefix token，引導模型模型提取x特征相關的信息，以便更好的生成結果y。訓練微調過程中，我們只需要凍結模型其余參數，僅單獨訓練prefix token相關參數即可，每個下游任務均可單獨訓練一套prefix token，Prefix-Tuning雖然過程看似方便，但也存在以下弊端：

• 訓練難度大原始論文指出，訓練模型的效果并非嚴格隨prefix參數量單調遞增
• 會降低原始文字prompt表達能力為節(jié)省計算量和顯存，我們一般會固定數據的輸入長度，增加prefix之后，留給原始文本數據的空間會被擠壓，因此可能會降低原始文本prompt的表達能力，使得輸入層有效信息減少。

Prefix Tuning訓練難度大，那是否有其他的微調方法呢？LoRA（Low-Rank Adaptation）是微軟研究團隊提出的一種通過凍結預訓練模型參數，在Transformer每一層中加入2個可供訓練的A、B低秩旁路矩陣（其中一個矩陣負責降維、另一個負責升維），可大幅減少微調參數量的方法。LoRA整體架構如下圖：

如圖左側表示全參微調的場景，參數分為和兩部分：

• ：預訓練權重
• ：微調增量更新權重

全參微調可視為凍結的預訓練權重W+微調過程中產生的增量更新權重  ，假設輸入為x，輸出為y，則有  。

如圖右側表示LoRA微調場景，我們用矩陣A和矩陣B近似表示  ：

• ：低秩矩陣A，其中r被稱為“秩”，對A進行高斯初始化。
• ：低秩矩陣B，對B采用零初始化。

經過拆分，我們將  改寫成  的等價形式，微調參數  從降為  ,同時不改變輸出數據的維度，即在LoRA下我們可以定義為：  。

其中，論文指出對于AB兩個低秩矩陣，會使用超參α（常數）來做調整，以適配更優(yōu)的微調性能?；贚oRA架構，在原始預訓練矩陣的旁路，我們用低秩矩陣A和B來近似代替增量更新權重  ，訓練過程中通過固定預訓練權重  ，只對低秩矩陣A和B進行微調訓練，可大幅提高效率，據論文統計，采用LoRA方法在微調GPT3 175B時，顯存消耗從1.2TB降至350GB，極大的降低了訓練開銷。

4.RLHF

RLHF（Reinforcement Learning from Human Feedback）是基于人類反饋的強化學習。傳統基于prompt提示詞生成的結果相對主觀并依賴上下文，缺少人類的偏好和主觀意見。RLHF中使用人類反饋作為性能衡量標準，不斷通過反饋結果來優(yōu)化模型，可使訓練后的模型更符合人類預期。RLHF涉及多個模型和多個訓練階段，一般分為以下3大核心步驟：

• 預訓練模型使用標注過的數據來調整預訓練模型參數，例如OpenAI在其InstructGPT中采用較小版本的GPT-3，Anthropic使用1000萬-52B參數的Transformer進行訓練使其更好的適應特定任務領域。

• 訓練獎勵模型RM獎勵模型用于評估文本序列質量，它接收一系列文本并返回數值，數值對應人類的偏好程度。訓練數據通常由多個語言模型生成的文本序列組成，這些序列經過人工評估或使用其他模型（比如ChatGPT）進行打分。獎勵模型不斷指導模型生成更符合人類預期的高質量文本。

• 基于強化學習微調利用上一步輸出的獎勵值，采用強化學習進一步微調，在強化學習中需要定義狀態(tài)空間、動作空間、策略函數及價值函數。其中，狀態(tài)空間使輸入的序列分布，動作空間是全量的token（詞匯表中的詞），價值函數基于獎勵模型的輸出和策略約束，用于評估給定狀態(tài)下采取特定動作的價值，策略函數根據當前狀態(tài)選擇下一個動作（token），最大化獎勵。

三、討論與展望

本文重點介紹了幾種常用微調技術，各種技術的特點描述總結如下表所示：

模型微調過程中可根據實際場景選擇合適的微調方案，以獲得更優(yōu)的性能。

參考文獻

[1] Edward Hu?、Yelong Shen?、Phillip Wallis Zeyuan Allen-Zhu、Yuanzhi Li Shean Wang Lu Wang Weizhu Chen 《LORA: LOW-RANK ADAPTATION OF LARGE LANGUAGE MODELS》

[2] Neil Houlsby、Andrei Giurgiu、 Stanis?aw Jastrze?bski、Bruna Morrone、Quentin de Laroussilhe、Andrea Gesmundo 、Mona Attariyan、Sylvain Gelly《Parameter-Efficient Transfer Learning for NLP 》

[3] Xiang Lisa Li、Percy Liang 《Prefix-Tuning: Optimizing Continuous Prompts for Generation》

[4] Long Ouyang、Jeff Wu、Xu Jiang、Diogo Almeida、Carroll L. Wainwright、Pamela Mishkin、Chong Zhang Sandhini、Agarwal Katarina Slama Alex Ray、John Schulman、Jacob Hilton、Fraser Kelton、Luke Miller、Maddie Simens《Training language models to follow instructions with human feedback》

[5] https://zhuanlan.zhihu.com/p/646831196

[6] https://zhuanlan.zhihu.com/p/660721012

[7] https://mp.weixin.qq.com/s/Rmnk39w92MDD4255fma-IQ

[8] https://www.theaidream.com/post/fine-tuning-large-language-models-llms-using-peft

[9] https://research.aimultiple.com/llm-fine-tuning/

[10] ??https://www.superannotate.com/blog/llm-fine-tuning??

本文轉載自 ??AI遇見云??，作者： 李飛強