![image.png](/static/img/33ba28841120bec89a86fef993269e5f.image.webp)


## 实现架构
X-LoRA通过动态混合预训练的低秩适配器专家（LoRA adapters）来组合不同的适配器。这些适配器在不同的领域接受了专门的训练，以获得特定的专业知识。X-LoRA模型使用一个可训练的缩放头（scaling head），它利用模型的隐藏状态来预测每个适配器的缩放权重。然后，在第二次前向传递中，模型使用这些缩放权重来混合不同的适配器专家，从而根据问题的上下文重新配置其专业知识。

这种方法允许模型在处理任务时，根据需要激活和混合不同的专家，从而实现高度的专业化和灵活性。例如，在回答有关蛋白质力学的问题时，模型可能会更多地依赖蛋白质力学适配器，而在处理涉及多个领域的问题时，它可以动态调整适配器的混合，以提供更全面和准确的答案。

此外，X-LoRA模型采用双重前向传递的算法，首先“思考”问题并重新配置自身，然后再做出响应，这增强了模型的“自我意识”和适应能力。尽管X-LoRA模型的参数数量相对较少（70亿参数），但它能够跨多个科学领域进行推理，显著提高了生成创新解决方案的能力。这种方法还可以指导开发替代模型架构，例如，将重新配置策略推广到模型的一部分或整个模型。

## 双重前向传递

X-LoRA模型通过实施双重前向传递算法来实现“思考”问题并重新配置自身。在第一次前向传递中，模型处理输入并计算隐藏状态。这些隐藏状态被提供给X-LoRA的缩放头（scaling head），这是一个可训练的组件，它使用这些状态来预测每个适配器的缩放权重。然后，在第二次前向传递中，模型使用这些缩放权重来混合不同的适配器专家，从而根据问题的上下文重新配置其专业知识。

这种双重传递的方法允许模型在回答问题之前“思考”和调整其结构，这被视为一种简单的“自我意识”实现。通过这种方式，模型能够适应性地调整其内部结构，以最佳地解决手头的任务。尽管X-LoRA模型的参数数量相对较少（70亿参数），但它能够跨多个科学领域进行推理，显著增强了生成创新解决方案的能力。这种方法还可以指导开发替代模型架构，例如，将重新配置策略推广到模型的一部分或整个模型。

Xlora，一种与MOE相似的lora门控

![cover_image](https://raw.githubusercontent.com/woxiangsj/image/master/2024/09/02/1725241547965-3c332d74-e273-4c4a-a1ca-03a9c750d208.png)



#  有关大模型幻觉与灾难性遗忘


> <center style="margin: 15px 0;">大家好，我是 Bob! 😊</center>
>
><center style="margin: 15px 0;">一个想和大家慢慢变富的 AI 程序员💸</center>
>
><center style="margin: 15px 0;">分享 AI 前沿技术、项目经验、面试技巧!</center>
><center style="margin: 15px 0;">欢迎关注我，一起探索，一起破圈！💪</center>
>

  

  

#  大模型幻觉与灾难性遗忘

笔者今天主要分享两篇论文，有关大模型幻觉与持续学习（解决遗忘）。

##  《 Banishing LLM Hallucinations Requires Rethinking Generalization 》

###  摘要

大型语言模型 (LLMs)
具有强大的聊天、编码和推理能力，但它们经常产生幻觉。传统观点认为，幻觉是创造力与真实性之间平衡的结果，可以通过将LLM扎根于外部知识源来减轻但不能消除幻觉。通过广泛的系统实验，我们表明这些传统方法无法解释为什么LLMs在实践中会产生幻觉。

他们的实验表明，通过大量记忆专家混合 (MoME) 增强的 LLMs
可以轻松记住大型随机数数据集。用理论结构证实了这些实验结果，该理论结构表明，当训练损失高于阈值时，经过训练来预测下一个标记的简单神经网络会产生幻觉，就像在实践中对互联网规模数据进行训练时通常所做的那样。通过与减轻幻觉的传统检索方法进行比较来解释我们的发现。利用发现设计了第一代消除幻觉的模型
- Lamini-1 - 将事实存储在动态检索的数百万记忆专家的巨大混合物中。

###  随机化测试

通过实验表明，LLMs可以记住随机标签，同时在一般化方面表现良好。这表明，即使是在训练数据噪声较大的情况下，LLMs仍然能够准确记住大量事实。


![](https://raw.githubusercontent.com/woxiangsj/image/master/2024/09/02/1725241567593-64aaf78e-2f2a-4e0e-8562-7065cbe983aa.png)


###  正则化测试

实验目标是了解 LLMs 的泛化能力。我们评估在随机标签上微调的 LLMs
的答案以及在保留的测试示例集上在真实标签上微调的答案。我们的直觉是，记住随机标签应该会导致更高的泛化误差。然而，如表 1
所示，随机标签训练对不相关测试集问题的答案大部分没有改变。


![](https://raw.githubusercontent.com/woxiangsj/image/master/2024/09/02/1725241590064-dc8bbc55-2b07-49cc-9631-292680c93f76.png)


###  Lamini


![](https://raw.githubusercontent.com/woxiangsj/image/master/2024/09/02/1725241600114-8a8a84f6-3e61-439d-9518-4d38891861f6.png)


混合内存专家（MoME -
发音为“mommy”）架构的线框图，并列出了用于管理数百万专家的索引，我们将在本文中详细探讨这些索引。我们的系统的核心是一个预训练的变压器主干，由适配器（类增强，这些适配器是使用交叉注意力从索引中动态选择的该网络在冻结主干网络的同时进行端到端训练（类似于
LoRA Hu 等人（2021）），使我们能够将特定事实准确地存储在选定的专家中。

在推理时，仅从索引中检索相关专家，从而允许 LLM 存储大量事实，同时保持较低的推理延迟。

**算法实现：**

  1. 1\. 对于给定的问题，选择一组专家，例如百万阵中，有32个。 

2.冻结骨干网络的重量，并用来选择专家的交叉注意。

  1. 1\. 采取梯度下降步骤，直到损失减少到足以记住这一事实。 

###  观点：

LLMs可以轻松记住随机标签，而不会出现泛化错误。

见解：泛化错误不会区分有幻觉的模型和没有幻觉的模型。

训练足够长的时间来消除幻觉比泛化缩放定律所暗示的最佳配方需要更多的计算密集度。

###  结语

本文提出了一项开创性的研究，挑战了大型语言模型 (LLMs) 的传统观点及其在没有幻觉的情况下进行泛化的能力。

我们证明 LLMs 可以轻松记住随机标签，而不会增加其泛化误差，这与幻觉是创造力与事实之间平衡的结果的概念相矛盾。

此外，我们表明泛化误差不会区分产生幻觉和不产生幻觉的模型，并且训练足够长的时间来消除幻觉是计算密集型的，并且到 2024 年在现有系统上可能不可行。

我们的研究强调需要新的评估 LLMs 精确记忆和回忆事实能力的指标和方法，并表明 LLMs
有足够的能力精确存储大型事实数据集，即使训练数据有噪声时也是如此或随机。

这些发现对于 LLMs 的开发、其应用以及使用 SGD
训练的相关深度神经网络具有重要意义。我们的结果强调了重新思考这些模型的设计和训练以减轻幻觉和提高事实记忆的重要性。

##  《Learning to Prompt for Continual Learning 》

###  摘要·

本文的主要贡献是提出了一种连续学习的方法L2P，可以自动学习提示（Prompt）一个预训练的模型，从而能够在学习一系列的任务的同时减轻灾难性遗忘，并且这个过程无需使用记忆回放等方法。本文的方法中提示是小的可学习的参数，最终目的是优化提示从而在保证可塑性的同时指导模型的预测以及明确地管理任务变量和任务特定知识。

###  **From prompt to prompt pool**

作者列举了使用prompt
pool的动机：首先任务的同一性在测试时难以得到保证，所以针对每个任务训练prompt不可行（个人理解是测试时所有任务是混杂在一起的，无法针对某个测试样本使用其对应的prompt）；其次即使测试时针对每个task样本使用特定的prompt，这也会限制相似任务之间的知识共享；最后，如果针对所有的task使用相同的prompt，虽然可以实现知识共享，但会加剧遗忘（作者也通过实验进行了说明）。理想的情况是针对相似任务进行知识共享，不同的任务要保持知识的独立性，因此作者提出了prompt
pool存储编码后的知识，其中包括M个prompt，每个prompt的shape与编码后的特征一样。从中取N个prompt组成一个子集，与原始输入xp𝑥𝑝拼接得到xe𝑥𝑒：


![](https://raw.githubusercontent.com/woxiangsj/image/master/2024/09/02/1725241612642-2e2d84d5-59e7-42e7-bf54-be07cedbc442.png)


###  **Instance-wise prompt query**

作者设计了一个基于键值对的询问策略从而动态的为每个输入选择对应的prompt。每个prompt作为value对应一个可学习的key，其维度为Dk𝐷𝑘，作者通过函数将属于RH×W×C𝑅𝐻×𝑊×𝐶的输入映射到RDk𝑅𝐷𝑘，q对于不同任务是一个确定的函数，而冻结的pretrained
model可以很好的完成这个任务：直接将输入通过特征提取器（ViT等）得到的cls
token作为函数的值。用卷积网络进行特征提取也是可以的。之后将计算得到的询问与key计算余弦距离，取距离最小的前N个作为prompt子集。为了能让模型学到task-
specific的prompt，作者还设计了Optionally diversifying prompt-
selection，实际上就是按照每个prompt在过去task中被使用的频率对其进行加权：


![](https://raw.githubusercontent.com/woxiangsj/image/master/2024/09/02/1725241621752-ad3b5860-57a5-4f90-bfb1-cc4eac421566.png)

###  预知识：比较经典的减少灾难性遗忘的方法

####  1\. 预演缓冲器（Replay Buffer）

预演缓冲器方法通过在训练过程中保存旧任务的数据，并在训练新任务时与新数据一起重放这些旧数据，从而减轻灾难性遗忘。这种方法有几种变体：

####  完全预演（Full Replay）

将所有先前任务的数据保存在缓冲器中，在训练新任务时，旧任务的数据与新任务的数据一起使用。这种方法虽然简单有效，但可能需要大量存储空间。

####  选择性预演（Selective Replay）

只保存一部分旧任务的数据，如代表性样本或最近的数据，以减少存储需求。常用的策略包括基于数据的重要性或多样性选择样本。

####  生成预演（Generative Replay）

使用生成模型（如生成对抗网络或变分自编码器）来生成旧任务的数据，而不是存储实际数据。生成模型在训练新任务时生成类似于旧任务的数据进行预演。

####  2\. 任务识别机制（Task Recognition Mechanism）

任务识别机制通过在测试时识别当前任务，并恢复模型在该任务上的参数或状态，从而减轻灾难性遗忘。主要方法包括：

####  专家网络（Expert Networks）

为每个任务训练一个独立的子网络，测试时通过任务识别机制选择合适的子网络进行推理。虽然可以避免灾难性遗忘，但模型参数规模较大。

####  模块化网络（Modular Networks）

将模型分成多个模块，每个模块负责特定任务或功能。通过任务识别机制组合不同的模块，适应当前任务。这种方法在提高模型适应性的同时，控制了参数规模。

####  动态扩展网络（Dynamic Expanding Networks）

根据新任务的需求，动态扩展模型的结构，添加新的神经元或层。任务识别机制用于选择和激活相关的网络部分。这种方法在保证适应性的同时，保持模型的紧凑性。

####  3\. 参数正则化方法

参数正则化方法通过在训练新任务时，对模型参数进行约束，保持与旧任务的参数相近，从而减轻灾难性遗忘。这类方法包括：

####  弹性权重固化（Elastic Weight Consolidation, EWC）

通过计算参数在旧任务中的重要性，训练新任务时对重要参数施加正则化约束，防止参数大幅度改变。

####  永久学习（Learning without Forgetting, LwF）

在训练新任务时，通过蒸馏旧任务的知识（即旧模型的预测），保持旧任务的性能。

####  4\. 联合训练方法（Joint Training Methods）

联合训练方法通过同时训练多个任务，确保模型在所有任务上的性能。主要方法包括：

####  多任务学习（Multi-task Learning）

在同一模型上同时训练多个任务，利用共享参数提升模型的泛化能力。虽然可以有效避免灾难性遗忘，但需要同时获取所有任务的数据。

##  对比

![](https://raw.githubusercontent.com/woxiangsj/image/master/2024/09/02/1725241633438-8af251dd-9a1a-448d-9483-ee82e64599f8.png)


  

##  Bob的产品

1.【Bob的AI成长陪伴群】门票🎫99💰/年。

2.【AI+老人回忆录制作】正在运营，有需求 或者 想加入 可微信私聊。

3.【语音咨询】：99💰/小时

群里分享讨论:

🔴AI变现项目、AI前沿技术、NLP知识技术分享、前瞻思考、面试技巧、找工作等

🔴个人IP打造、自媒体副业、向上社交、以及我的日常生活所见所闻，所思所想。

找一群人一起走，慢慢变富。期待和同频‮朋的‬友一起蜕变！

扫码加微信，链接不迷路！

![](https://raw.githubusercontent.com/woxiangsj/image/master/2024/08/07/1722998692927-eb4c0cb6-ce6c-405f-ae0c-044f212defda.jpg)

有关大模型幻觉与灾难性遗忘

![cover_image](https://raw.githubusercontent.com/woxiangsj/image/master/2024/09/02/1725241475475-97fd2b72-d7f7-4c1c-89e3-b76251f1d296.png)



#  新一代模型微调方案LLama-Pro ，快来围观！！！


> <center style="margin: 15px 0;">大家好，我是 Bob! 😊</center>
>
><center style="margin: 15px 0;">一个想和大家慢慢变富的 AI 程序员💸</center>
>
><center style="margin: 15px 0;">分享 AI 前沿技术、项目经验、面试技巧!</center>
><center style="margin: 15px 0;">欢迎关注我，一起探索，一起破圈！💪</center>
>

  

#  LLAMA PRO论文笔记

直达链接：

#  摘要

这篇论文介绍了一种名为LLAMA
PRO的新型后预训练方法，用于增强大型语言模型（LLMs）在特定领域的性能，同时保持其原有的通用能力。通过扩展Transformer块来增加模型的深度，从而在不牺牲原有性能的情况下，提升模型在编程、数学和一般语言任务中的表现。LLAMA
PRO模型是在LLAMA2-7B的基础上通过块扩张方法构建的，并在编程、代码和数学方面表现出色。此外，本文还介绍了一种指令版的LLAMA PRO-
INSTRUCT，它在各种基准上达到了先进的性能。实验结果表明，LLAMA
PRO不仅在通用语言任务上保持了高水平的表现，而且在编程和数学任务上的性能也得到了显著提升。

#  先前微调方法的不足

之前的微调方法，如指令调优（Instruction Tuning）和参数高效调优（Parameter-Efficient Fine-
Tuning），如LoRA，虽然能够增强大型语言模型（LLMs）在特定领域的性能，但也存在一些缺点：

  * 指令调优（Instruction Tuning）：这种方法通常需要大量的指令数据来进行调优，以产生高质量的输出。但是这种方法需要很高的计算资源。 

  * 参数高效调优（Parameter-Efficient Fine-Tuning）：如LoRA等方法虽然能够以较低的计算成本适应预训练模型到新的领域，但这些方法通常在预训练阶段之后应用，可能会导致模型在适应新领域的同时，损失一部分原有的通用能力。 

#  LLAMA PRO 架构

LLaMA PRO通过在现有的LLM中添加额外的Transformer块来增加模型的深度，这些块在初始化时被设置为零，并在domain-
specific语料库上进行微调。这种方法使得模型能够在学习新知识的同时，避免了对原有知识的遗忘。

此外，LLaMA PRO还采用了指令跟随（Instruction Following）技术，通过大约80M tokens的supervised
instruction tuning，进一步增强了模型的能力。这种技术使得模型能够更好地理解和执行人类的指令，从而在各种任务中表现出更好的性能。

![](https://raw.githubusercontent.com/woxiangsj/image/master/2024/09/02/1725241497945-1e009dc9-3800-4d38-9863-39aec03efd9f.png)


如图(a)所示，从一个大型的语言模型（LLM）开始，该模型在庞大的未标注语料库上进行了预训练，从而获得了强大的通用能力。为了方便起见，文章选择了现成的LLaMA2。(b)
采用了骨干扩展，并使用特定领域语料库对扩展的身份块进行了微调，同时冻结了从基础模型继承的块。经过后预训练的模型可以像往常一样用于指令调优。

#  具体实现


![](https://raw.githubusercontent.com/woxiangsj/image/master/2024/09/02/1725241507258-71105eb5-2863-4875-aa48-b1e1bf972fb9.png)

  1. **模型扩展** ：在现有的LLaMA模型中，每组Transformer块之后添加一个Identity Block（身份块，如上图）。这些块在初始化时被设置为零，以确保模型在扩展后保持相同的输出。 

  2. **分组和复制** ：将原始模型的Transformer块分成多个组，对于每个组，创建原始块的上层副本（即身份块），并将其堆叠在原始组之上。这个过程是逐层进行的，以保持Transformer模型的结构特性。 

  3. **身份块定义** ：身份块被定义为恒等函数，即对于任何输入，身份块输出的值与输入相同。这样可以确保在添加新块后，模型的输出行为不会改变。 

  4. **初始化** ：新添加的块中的线性层被初始化为零，以实现身份映射。这样，在训练过程中，这些新块可以学习新的知识，而不会影响或覆盖原有的知识。 

  5. **微调** ：在添加新块之后，只对新增的块进行微调，而保持原始的块冻结。这样可以确保模型在增强特定领域能力的同时，不会牺牲其原有的通用能力。 

  6. **训练和优化** ：使用domain-specific的语料库对扩展后的模型进行微调。在这个过程中，只更新新添加的块，而原始的块保持不变。 


![](https://raw.githubusercontent.com/woxiangsj/image/master/2024/09/02/1725241518621-9a5757d0-6748-4c5d-8431-8c30f3ad5bac.png)


#  效率和效果


![](https://raw.githubusercontent.com/woxiangsj/image/master/2024/09/02/1725241527639-ef277398-e09c-4eaa-a84d-4a99f3bb3152.png)

如图所示，横轴为Code Tasks Avg，纵轴为Language Tasks Avg，圆点的尺寸与训练的令牌数量成正比。

不同训练策略评估结果的比较，报告了在通用任务和法律特定任务上的表现。可以看出Add 8 Block这个超参数下平局分数最高。

##  Bob 的产品

1.【Bob 的 AI 成长陪伴群】门票 🎫99💰/年。

2.【AI+老人回忆录制作】正在运营，有需求 或者 想加入 可微信私聊。

3.【语音咨询】：99💰/小时

群里分享讨论:

🔴AI 变现项目、AI 前沿技术、NLP 知识技术分享、前瞻思考、面试技巧、找工作等

🔴 个人 IP 打造、自媒体副业、向上社交、以及我的日常生活所见所闻，所思所想。

找一群人一起走，慢慢变富。期待和同频 ‮ 朋的 ‬ 友一起蜕变！

扫码加微信，链接不迷路！

![](https://raw.githubusercontent.com/woxiangsj/image/master/2024/08/07/1722998692927-eb4c0cb6-ce6c-405f-ae0c-044f212defda.jpg)

 新一代模型微调方案LLama-Pro ，快来围观！！！

![cover_image](https://raw.githubusercontent.com/woxiangsj/image/master/2024/09/02/1725241400744-d0fa75c1-30c3-4579-b6ea-c99a16c2f99a.png)



#  新型AI大模型微调方式：ReFT 表征微调




> <center style="margin: 15px 0;">大家好，我是 Bob! 😊</center>
>
><center style="margin: 15px 0;">一个想和大家慢慢变富的 AI 程序员💸</center>
>
><center style="margin: 15px 0;">分享 AI 前沿技术、项目经验、面试技巧!</center>
><center style="margin: 15px 0;">欢迎关注我，一起探索，一起破圈！💪</center>
>
  

  

#  ReFT (表征微调)

本文主要介绍 ReFT(表征微调)，这是一种比 PeFT(参数高效微调)效果更好的新的大语言模型微调技术。

##  背景

###  PEFT

PEFT (Parameter-Efficient Fine-Tuning，参数高效微调)
是一种仅微调少量模型参数或添加额外的模型参数，固定大部分预训练参数，从而大大降低计算和存储成本的方法。

###  ReFT

ReFT (Representation Finetuning) 是一组专注于在推理过程中对语言模型的隐藏表示学习干预的方法，而不是直接修改其权重。

  

相比 PEFT，ReFT 不改变原模型权重，所消耗的算力资源更少，效果也不错。

  


![](https://raw.githubusercontent.com/woxiangsj/image/master/2024/09/02/1725241432701-4ca9a473-f472-462d-ad0e-195ef7eba65d.png)


  

##  原理

  


![](https://raw.githubusercontent.com/woxiangsj/image/master/2024/09/02/1725241441862-23c9d1c8-f4f2-47e9-bdb4-7781e845238c.png)


  

LoReFT 本质上是在一个线性子空间中使用低秩投影矩阵调整隐藏表示。

简化背景: 我们有一个基于 Transformer 架构的语言模型 (LM)。这个 LM 接受一系列的 token（单词或字符）作为输入。首先将每个
token 转换为一个表示，然后通过多层计算参考附近 token 的上下文来优化这些表示。每一步都会生成一组隐藏表示，捕捉每个 token
在序列上下文中的意义。最终，模型使用这些优化后的表示来预测序列中的下一个 token（在自回归 LM 中）或在其词汇空间中预测每个 token
的可能性（在掩码 LM 中）。

ReFT 方法系列改变了模型处理这些隐藏表示的方式，特别是在定义为低秩投影矩阵的特定子空间中进行调整。这有助于提高模型在各种任务中的效率和效果。

###  干预定义

ReFT 定义了一个干预的概念，它在模型向前传递期间修改隐藏的表示。干预 I 是一个元组 ⟨Φ，P, L⟩，封装了由基于 transformer 的 LM
计算的表示的单个推理时间的干预动作，包含三个参数:

  * • 干预函数 Φ: 用学习到的参数 Φ (Φ) 来表示。 

  * • 干预所应用的一组输入位置 P ≤ {1，…，n}。 

  * • 对层 L ∈ {1，…，m} 进行干预。 

干预的动作如下:

**h⁽ˡ⁾ ← (Φ(h_p⁽ˡ⁾) if p ∈ P else h_p⁽ˡ⁾)_{p ∈ 1,…,n}**

该干预在前向传播计算完后立即进行，所以会影响到后续层中计算的表示。为了提高计算的效率，也可以将干预的权重进行低秩分解，也就是得到了低秩线性子空间 ReFT
(LoReFT)。

  


![](https://raw.githubusercontent.com/woxiangsj/image/master/2024/09/02/1725241453875-09cf6ab1-bdd8-4e84-9727-17c424ee1356.png)

  

在公式中使用学习到的投影源 Rs = Wh + b。LoReFT 编辑 R 列的 R 维子空间中的表示，来获取从我们的线性投影 Wh + b 中获得的值。

对于生成任务，ReFT 论文使用语言建模的训练目标，重点是在所有输出位置上使用最小化交叉熵损失。

##  区别与优势

  * • **PEFT方法** ：例如，LoRA、DoRA 和 prefix-tuning，侧重于修改模型的权重或引入额外的权重矩阵。 

  * • **ReFT方法** ：不直接修改模型的权重；它们会干预模型在向前传递期间计算的隐藏表示。 

###  优势

  * • **参数效率** ：ReFT 方法，特别是 LoReFT，在参数效率方面表现出色，通常比现有的 PEFT 方法如 LoRA 更高效（参数效率高15-65倍）。 

  * • **性能与效率的平衡** ：ReFT 方法在效率和性能之间取得了良好的平衡，通常在多个任务上展现出与 PEFT 方法相当或更好的性能。 

  * • **不修改权重** ：ReFT 方法不涉及权重更新，而是专注于对隐藏表示的干预，这可以减少对模型结构的修改，从而可能有利于模型的稳定性和可解释性。 

  * • **可解释性** ：ReFT 方法可能提供比 PEFT 方法更高的可解释性，因为它直接操作模型的内部表示，这可以揭示模型如何执行特定任务。 

  * • **兼容性** ：ReFT 方法可以作为现有 PEFT 方法的替代品，因为它们是 drop-in replacements，可以很容易地集成到现有的框架中。 

  * • **潜在的应用** ：ReFT 方法可能适用于多种场景，包括多任务学习、指令调优和跨模态任务，如视觉-语言模型。 

##  使用

可以使用  pyreft  实现 ReFT。

（  **https://github.com/stanfordnlp/pyreft** **** ）

论文直达：

（ **https://arxiv.org/pdf/2404.03592** ）

  

##  Bob的产品

1.【Bob的AI成长陪伴群】门票🎫99💰/年。

2.【AI+老人回忆录制作】正在运营，有需求 或者 想加入 可微信私聊。

3.【语音咨询】：99💰/小时

群里分享讨论:

🔴AI变现项目、AI前沿技术、NLP知识技术分享、前瞻思考、面试技巧、找工作等

🔴个人IP打造、自媒体副业、向上社交、以及我的日常生活所见所闻，所思所想。

找一群人一起走，慢慢变富。期待和同频‮朋的‬友一起蜕变！

扫码加微信，链接不迷路！

![](https://raw.githubusercontent.com/woxiangsj/image/master/2024/08/07/1722998692927-eb4c0cb6-ce6c-405f-ae0c-044f212defda.jpg)

 新型AI大模型微调方式：ReFT 表征微调

![cover_image](https://raw.githubusercontent.com/woxiangsj/image/master/2024/09/02/1725240972697-3c49725b-e2d7-420b-a27b-811e13f54018.png)



#  Wise-ft《Robust fine-tuning of zero-shot models》，能解决大模型持续学习灾难性遗忘吗

原创  Bob新视界  [ Bob的AI视界 ](javascript:void\(0\);)

__ _ _ _ _

> <center style="margin: 15px 0;">大家好，我是 Bob! 😊</center>
>
><center style="margin: 15px 0;">一个想和大家慢慢变富的 AI 程序员💸</center>
>
><center style="margin: 15px 0;">分享 AI 前沿技术、项目经验、面试技巧!</center>
><center style="margin: 15px 0;">欢迎关注我，一起探索，一起破圈！💪</center>
>
  

**微调框架：**

https://github.com/mlfoundations/wise-ft

**论文链接**

https://arxiv.org/pdf/2109.01903

##  背景信息：

现有的方法在微调零样本模型时存在两个关键问题。

  1. 首先，微调模型的 **鲁棒性在数据分布发生变化时会有很大差异** ，这种差异受微调过程中的超参数影响显著，但仅通过目标分布上的准确性无法推断出最佳的超参数。 
  2. 其次，更激进的微调（如使用更大的学习率）虽然在目标分布上能带来更大的准确性提升，但在数据分布变化时可能会 **导致准确性大幅下降** 。 

##  WiSE-FT

论文提出了WiSE-FT（Weight-space Ensembling for Fine-tuning）的微调方法。

● 这个方法的好处：WiSE-FT（Weight-space Ensembling for Fine-tuning）方法通过
**组合零样本模型的权重和微调后模型的权重** 来解决上述问题。这种方法简单、通用，能够在不增加额外计算成本的情况下，通过几行代码实现。


![](https://raw.githubusercontent.com/woxiangsj/image/master/2024/09/02/1725241049702-21cd6423-9f11-481b-84c8-28937af75690.png)


WiSE-FT在多个数据集上展示了比标准微调 **更好的准确性** ，尤其是在数据分布变化时， **提高了模型的鲁棒性** 。

##  算法原理与实现：

WiSE-FT具体实现包括以下步骤：

● 微调零样本模型：首先，需要在特定应用数据上微调预训练的零样本模型。这可以通过标准的微调过程来完成，即在新的数据集上训练模型的参数，以适应新的任务。

●
权重组合：微调完成后，将微调后的模型权重与原始零样本模型的权重进行组合。这种组合是通过线性插值实现的，即对两个模型的权重进行加权平均。加权平均的权重α是一个超参数，可以根据具体情况进行调整。

● 权重空间组合：在微调过程中或微调结束后，通过线性插值将两个模型的权重组合起来

WiSE-FT方法的关键在于通过权重空间的组合来利用零样本模型和微调后模型的互补性。这种方法基于两个观察：

首先，零样本模型和微调后模型在权重空间中可以通过一条线性路径连接，在这条路径上模型的准确性保持较高；

其次，这种组合可以利用两个模型的互补预测能力。

##  实验结果

通过实验，作者发现WiSE-FT在多种数据分布变化下都能提高模型的鲁棒性，并且在多个数据集上比标准微调方法有更好的准确性。此外，WiSE-
FT还在低数据量的情况下显示出性能提升，这表明即使在微调数据稀缺的情况下，该方法也能提供改进。

实验证明 WiSE-FT 提高了 Radford 等人研究的五个 ImageNet 分布偏移上微调 CLIP 模型的准确性。 [82]，同时保持或提高
ImageNet 的准确性。

具体而言，相对于微调解决方案，WiSE-FT (α= 0.5) 将分布偏移下的性能提高了 3.5、6.2、1.7、2.1、9.0 和 23.2
pp，同时将参考分布的性能降低最多 0.3 pp（准确度参考分布通常会得到改善）。


![](https://raw.githubusercontent.com/woxiangsj/image/master/2024/09/02/1725241080030-9df9529f-6c16-49fd-8d10-ddbec64384cc.png)



![](https://raw.githubusercontent.com/woxiangsj/image/master/2024/09/02/1725241096503-62b7bc9a-ce14-4389-8eed-ac1429a02383.png)


即使超参数发生微小变化，微调模型的稳健性也会发生很大变化。应用 WiSE-FT 可以解决这种脆弱性，并且可以消除参考分布和移位分布的准确性之间的权衡。

**总的来说，WiSE-FT提供了一种简单有效的微调策略，可以在不增加额外计算成本的情况下提高模型的性能和鲁棒性** 。

##  Bob 的产品

1.【Bob 的 AI 成长陪伴群】门票 🎫99💰/年。

2.【AI+老人回忆录制作】正在运营，有需求 或者 想加入 可微信私聊。

3.【语音咨询】：99💰/小时

群里分享讨论:

🔴AI 变现项目、AI 前沿技术、NLP 知识技术分享、前瞻思考、面试技巧、找工作等

🔴 个人 IP 打造、自媒体副业、向上社交、以及我的日常生活所见所闻，所思所想。

找一群人一起走，慢慢变富。期待和同频 ‮ 朋的 ‬ 友一起蜕变！

扫码加微信，链接不迷路！

![](https://raw.githubusercontent.com/woxiangsj/image/master/2024/08/07/1722998692927-eb4c0cb6-ce6c-405f-ae0c-044f212defda.jpg)

Wise-ft《Robust fine-tuning of zero-shot models》，能解决大模型持续学习灾难性遗忘吗

这里分享实用的项目经验、独到的面试技巧，以及对AI技术趋势的前瞻性思考，帮助你在AI领域找到自己的定位。一起探索，一起成长，一起破圈。