隨著ChatGPT等生成式AI產品朝著多模態發展，基礎模型的參數越來越高，想進行權重調優需要耗費大量時間和AI算力。

為了提升模型的調優效率，華盛頓大學和艾倫AI實驗室的研究人員推出了全新方法——Proxy Tuning（代理調優）。

該調優方法無需接觸模型的內部權重，利用一個小型調整模型和一個未調整的對應模型，通過對比它們的預測結果來引導基礎模型的預測。

再通過解碼時的引導，基礎模型可以朝著調優方向進行微調，同時保留了更大規模預訓練的優勢。

為了驗證代理調優的性能，研究人員對LlAMA-2的13B、70B原始模型進行了微調。結果顯示，這兩個模型分別接近對應的Chat模型的91.1%和88.1%的性能。

此外,在知識量大的TruthfulQA數據集測試中,代理調優的真實性比直接調優的模型還高,說明在解碼時更好地保留了訓練知識。

論文地址：https://arxiv.org/abs/2401.08565

代理調優的核心技術思想是，先調優一個小的語言模型,然后用這個小型調優模型指導大型黑箱語言模型,使其具備像調優后的模型一樣行為、功能。

但不需要訪問其內部權重,只需要其在輸出詞表上的預測分布。有趣的是，該技術與大模型中的“蒸餾”技術恰恰相反。

代理調優的技術方法

首先，我們需要準備一個小型的預訓練語言模型M-，該模型與基礎模型M共享相同的詞匯表。M-可以是一個現成的模型，也可以是通過較小規模的預訓練得到的模型。

接下來，我們使用訓練數據對M-進行調優，得到一個調優后的模型M+。調優可以使用各種技術，例如，有監督的微調或領域自適應方法，具體取決于任務的需求。

詳細解碼流程

在解碼時，對于給定的輸入，我們通過對基礎模型M的輸出預測分布和調優模型M+的輸出預測分布之間的差異進行操作，來引導基礎模型的預測。

使用基礎模型M對輸入進行解碼，得到基礎模型的預測結果。這可以通過生成模型的輸出概率分布來實現，通常使用一種解碼算法，例如，貪婪搜索或束搜索來生成最優的輸出序列。

然后，使用調優模型M+對相同的輸入進行解碼，得到調優模型的預測結果。

接下來，計算基礎模型的預測結果與調優模型的預測結果之間的差異。可以使用KL散度或交叉熵方法，來度量兩個預測分布之間的差異。

最后，將預測差異應用于基礎模型的預測結果，以引導基礎模型的預測朝向調優模型的預測方向移動。同時可以將預測差異添加到基礎模型的預測分布中，以調整每個詞的概率值。

本文素材來源Proxy Tuning論文，如有侵權請聯系刪除

繼續閱讀：

未經允許不得轉載：RPA中國 | RPA全球生態 | 數字化勞動力 | RPA新聞 | 推動中國RPA生態發展 | 流 > 更高效的大模型調優方法，華盛頓大學推出“代理調優”