知识卡片
高效微调仍需基座权重
参数高效微调冻结大部分基座,只更新少量参数或新增适配器。它主要减少梯度与优化器状态和可分发改动量,基座仍需参与前向计算。若新增模块不能合并,还可能增加推理延迟;是否接近全量效果需按任务验证。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 微调
原书出处 · 1 处
- · 查看原书依据
保持模型的原始参数不变,仅更新适配器模块的参数。此时,可训练参数量即为适配器中的参数量。在GLUE基准测试中,他们仅使用了全量微调时3%的可训练参数,就得到了与全量微调相差不超过0.4%的性能表现。图7-7中橙色的曲线展示了全量微调与不同规模的适配器
参考来源
- 位置:《AI工程:大模型应用开发实战》第7章《微调》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section015.xhtml)
- 结论依据:原文定义、条件、机制或比较支持上述说明,案例数据限于原书语境。
- 原始内容:保持模型的原始参数不变,仅更新适配器模块的参数。此时,可训练参数量即为适配器中的参数量。在GLUE基准测试中,他们仅使用了全量微调时3%的可训练参数,就得到了与全量微调相差不超过0.4%的性能表现。图7-7中橙色的曲线展示了全量微调与不同规模的适配器