|
目前模型微调在大模型垂直领域有着广泛的应用，尤其LoAR方式的微调。本期就给大家介绍LoAR微调的原理。在大模型应用开发过程中，遇到大模型解决不了的问题时就需要微调吗？答案显而易见。最简单的方式当然是提示词工程，因为大模型就是一个装了压缩几十TB数据的“类人脑”，知识储备囊括各个方面且普遍具有Function Calling和MCP的能力，只要给他高质量的提示词，它能完成大部分任务。遇到提示词工程也无法解决的超过大模型知识范围的情况时，例如大模型无法获取最新的资讯或专业领域较深的知识时（缺乏背景知识），还可以给大模型补充知识，即RAG技术。当以上两种方式都没法解决问题时，可能就是大模型能力的问题，当我们需要让大模型具备或增强某项能力时，才需要微调。我们知道像GPT、DeepSeek这样的大模型有数十亿参数，直接微调所有参数（全量微调）需要巨大的计算资源和存储空间，成本非常高。LoRA(Low-Rank Adaptation，低秩自适应)假设模型微调过程中的权重更新（ΔW）具有“内在的低秩特性”,我们不改变模型原有的巨大权重矩阵 W。而是在其旁边增加一个小的“旁路”，通过训练这个旁路来间接影响原始权重。如下图，蓝色部分是预训练模型（或者说基座模型），A 和 B 是两个小的、低秩的矩阵。A负责降维，B负责升维。BA 合在一起就构成了对原始权重的更新 ΔW。这个ΔW就是一个低秩矩阵。微调时，我们只训练 A 和 B 这两个小矩阵，最后只需保存它们，推理时再合并到 W 中即可。“秩”就表示矩阵中“独一无二”、“无法被其他数据组合所替代”的基础信息的最小数量。秩越低，说明冗余度越高，可压缩性越强。下图中，左侧的矩阵中几乎每个数字都不一样，秩就高，而右侧的矩阵，第n+1行是第n行对应列2倍，我们只需要记住第一行和倍数就能还原整个矩阵，秩就低。首先我们了解什么是矩阵分解，我们假设一个场景：为海量的用户和电影进行推荐：为用户找到其感兴趣的电影推荐给他。用矩阵表示收集到的用户行为数据，12个用户，9部电影。 矩阵分解要做的是预测出矩阵中缺失的评分，使得预测评分能反映用户的喜欢程度，可以把预测评分最高的前K个电影推荐给用户了。 要从评分矩阵中分解出User矩阵和Item矩阵，只有左侧的评分矩阵R是已知的，User矩阵和Item矩阵是未知，学习出User矩阵和Item矩阵，使得User矩阵*Item矩阵与评分矩阵中已知的评分差异最小=> 最优化问题。（要得到User矩阵和Item矩阵，我们要先自行了解矩阵分解的目标函数和训练过程，目标函数最优化问题的工程解法，主要有交替最小二乘法(ALS)和随机梯度下降(SDG)）。 对于这个场景问题，我们可以将电影分成动作、动画、爱情三个类别，用户的电影爱好体现在User向量上，观察Item矩阵，电影的风格也会体现在Item向量上，MF用user向量和item向量的内积去拟合评分矩阵中该user对该item的评分，内积的大小反映了user对item的喜欢程度。内积大匹配度高，内积小匹配度低。隐含特征个数k，k越大，隐类别分得越细，计算量越大。 某个用户u对电影i的预测评分= User向量和Item向量的内积把这两个矩阵相乘，就能得到每个用户对每部电影的预测评分了，评分值越大，表示用户喜欢该电影的可能性越大，该电影就越值得推荐给用户。 回到低秩矩阵，我们是将一个(12*9)的矩阵分解成(12*3)和(3*9)的矩阵，这里的“秩”（rank）就等于3，而这个(12*3)的矩阵就是图中的额A,(3*9)的矩阵就是图中B。A*B=ΔW即为LoRA模型。LoRA在原始预训练模型旁边增加一个旁路，通过低秩分解（先降维再升维）来模拟参数的更新量,将原模型与降维矩阵A，升维矩阵B分开。训练阶段，只训练B和A，推理阶段，将BA加到原参数。•初始化，A采用高斯分布初始化，B初始化为全0，这样训练开始时旁路为0矩阵 •多任务切换，当前任务W0+B1A1，将lora部分减掉，换成B2A2，即可实现任务切换 •秩的选取：对于一般的任务，rank=1,2,4,8即可，如果任务较大，可以选择更大的rank。 假设原基座模型推理为h=Wx，使用LoRA模型后推理阶段变为h=Wx+BAx=(W+BA)x（从这里也能看出LoRA模型要和基座模型一起使用）。 | 
