从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

动机和背景

大型语言模型（LLMs）的成功，如 GPT-3 和 ChatGPT，发起了许多替代方案的开发。这些替代方案通过使用特定于任务的数据（如 ChatDoctor）或指令数据（如 Alpaca），微调 LLMs 来提高性能。但是，其中最具吸引力的方法是基于 Adapter 的参数微调（PEFT），因为它只需要微调插入的外部参数，而不是整个与训练模型，就能获得不错的性能。

为了进一步研究 LLM 的 PEFT 方法，我们开发了一个易于使用的框架——LLM-Adapters，它将各种 Adapter 集成到 LLMs 中。该框架包括最先进的 LLMs，如 LLaMA、BLOOM 和 GPT-J 等模型，以及广泛使用的 Adapter，如 Series adapter、Parallel adapter 和 LoRA。同时，我们也会持续更新新的 LLMs 和 Adapter，以满足用户不断变化的需求。

从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

项目名称：

LLM-Adapters: An Adapter Family for Parameter-Efficient Fine-Tuning of Large Language

论文链接：

https://arxiv.org/abs/2304.01933

开源链接：

https://github.com/AGI-Edgerunners/LLM-Adapters

如果您是自然语言处理领域的从业者或爱好者，LLM-Adapters 将是您的强大工具。使用这个框架，您可以快速实现高性能模型，而不需要进行繁琐的模型微调。无论您正在构建聊天机器人、进行文本分类，或是进行其他自然语言处理任务，LLM-Adapters 都能为您提供强有力的支持。不要犹豫，赶快试试吧，它会为您的工作带来意想不到的帮助！

从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

Adapters大家族

从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

Adapters 是包含少量可训练参数并集成到 LLM中的外部模块。在训练期间，LLM 的参数保持固定，而 Adapter 模型的参数被调整以执行特定的任务。因此，由 LLM 生成的表示不会因任务特定的调整而扭曲，而 Adapter 模型则获得了编码特定任务信息的能力。

本框架在 LLM 中提出了三种 Adapter 类型：Series Adapter, Parallel Adapter 和 LoRA。我们将在之后的工作更新更多的 Adapter。

Series Adapter：受 [1] 的启发，我们的框架将瓶颈前馈层依次添加到 Transformer 的多头注意力层和前馈层。图（a）显示了瓶颈 Adapter 由两层前馈神经网络组成，包括一个下投影矩阵，一个非线性函数，和投影，以及输入和输出之间的残差连接

Parallel Adapter：将瓶颈前馈层与 LLMs 中 Transformer 的多头注意力层和前馈层并行集成。如图（b）所示，Adapter 与每个 Transformer 合并在一起

LoRA：[2] 提出了 LoRA，旨在用更少的可训练参数有效地微调预训练模型。LoRA 在 LLMs 的现有层中引入了可训练的低秩分解矩阵，使模型能够适应新的数据，同时保持原始 LLMs 固定以保留现有的知识。

具体来说，LoRA 通过注入低秩分解矩阵，对表示为矩阵乘法的每个模型层执行重新参数化，如图（c）所示。这种重新参数化使模型能够进行微调，而不需要计算完整的密集矩阵乘法，这可能是计算成本很高的。通过降低矩阵的秩，LoRA 有助于减少微调 llm 时的参数数量。

从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

数据集验证

下面展示了不同模型是否可以使用的各类 Adapter：

从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

我们 6 个数学推理数据集上，测试不同 LLMs 参数高效微调的精度，6 个数据集分别是：（1）MultiArith;（2）GSM8K;（3）AddSub;（4）AQuA;（5） SingleEq;（6）SVAMP.

我们使用 Zero-shot-Cot 方法在 GPT-3.5 text-Davinci-003 收集到的数据 math_data.json 进行微调。结果如下：

从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

未来规划

在任务和数据集上：我们计划进一步扩展我们的推理任务，尽可能多的收集数据集

在 Adapter 上：我们将整合更多类型的 Adapter，并在大语言模型上测试

在 LLM 上：我们将整合更多的 LLM 进行测试

从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

参考文献

从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

[1] Neil Houlsby, Andrei Giurgiu, Stanislaw Jastrzebski, Bruna Morrone, Quentin De Laroussilhe, Andrea Gesmundo, Mona Attariyan, and Sylvain Gelly. 2019. Parameter-efficient transfer learning for nlp. In International Conference on Machine Learning, pages 2790–2799. PMLR. 2,3,4

[2] Edward J Hu, Yelong Shen, Phillip Wallis, Zeyuan Allen-Zhu, Yuanzhi Li, Shean Wang, Lu Wang, and Weizhu Chen. 2021. Lora: Low-rank adaptation of large language models. arXiv preprint arXiv:2106.09685. 2,3,4

从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

更多阅读

从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

#投 稿 通 道#

 让你的文字被更多人看到 

如何才能让更多的优质内容以更短路径到达读者群体，缩短读者寻找优质内容的成本呢？答案就是：你不认识的人。

总有一些你不认识的人，知道你想知道的东西。PaperWeekly 或许可以成为一座桥梁，促使不同背景、不同方向的学者和学术灵感相互碰撞，迸发出更多的可能性。 

PaperWeekly 鼓励高校实验室或个人，在我们的平台上分享各类优质内容，可以是最新论文解读，也可以是学术热点剖析、科研心得或竞赛经验讲解等。我们的目的只有一个，让知识真正流动起来。

📝 稿件基本要求：

• 文章确系个人原创作品，未曾在公开渠道发表，如为其他平台已发表或待发表的文章，请明确标注 

• 稿件建议以 markdown 格式撰写，文中配图以附件形式发送，要求图片清晰，无版权问题

• PaperWeekly 尊重原作者署名权，并将为每篇被采纳的原创首发稿件，提供业内具有竞争力稿酬，具体依据文章阅读量和文章质量阶梯制结算

📬 投稿通道：

• 投稿邮箱：hr@paperweekly.site 

• 来稿请备注即时联系方式（微信），以便我们在稿件选用的第一时间联系作者

• 您也可以直接添加小编微信（pwbot02）快速投稿，备注：姓名-投稿

从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

△长按添加PaperWeekly小编

🔍

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

·

·

从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

查看全文

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.dgrt.cn/a/2225432.html

如若内容造成侵权/违法违规/事实不符，请联系一条长河网进行投诉反馈，一经查实，立即删除！

相关文章：

从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！

动机和背景大型语言模型（LLMs）的成功，如 GPT-3 和 ChatGPT，发起了许多替代方案的开发。这些替代方案通过使用特定于任务的数据（如 ChatDoctor）或指令数据（如 Alpaca），微调……

编程日记2023/4/7 14:14:33从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

jumpserver 远程执行漏洞分析和复现

0 简介JumpServer是一款开源的堡垒机，是符合4A规范的运维安全审计系统，通俗来说就是跳板机。2021年1月15日，JumpServer发布安全更新，修复了一处远程命令执行漏洞。由于JumpServer某些接口未做授权限制，攻击者可构造恶意……

编程日记2023/4/7 14:14:21从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

医疗耗材缺陷视觉检测的应用

近年来，全球医疗耗材市场规模持续增长，GMP标准不断提高，用工成本不断上升。 在药品生产和包装环节，传统的人造灯检测方式已经不能满足生产自动化和质量控制的要求。 随着AI、医疗耗材缺陷视觉检测等新技术的发展和应用&#xff0c……

编程日记2023/4/7 14:14:07从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

Spark core 弹性式数据集RDD

目录 一.RDD简介 二.RDD的特性： 三.执行原理：
1.启动Yarn集群环境： 2.Spark通过申请资源创建调度节点和计算节点： 3.Spark框架根据需求将计算逻辑根据分区划分不同的任务： 4.调度节点将任务根据计算节点状态发送到对应……

编程日记2023/4/7 14:13:57从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

C++ Primer Plus编程作业

编写一个C程序，如下述输出示例所示的那样请求并显示信息： What is your first name? Betty Sue What is your last name? Yewe What letter grade do you deserve? B What is your age? 22 Name: Yewe, Betty Sue Grade: Age: 22
#include <iost……

编程日记2023/4/7 14:13:47从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

【ConfluxNews】2023.4.7 ALL IN @HK

1.【网络状态】当前版本V2.2.3，全网算力≈8T，昨日交易次数92K，昨日新增账户1.19K，昨日新增合约2个； 2.【POS参数】总锁仓246M（1），节点总数266，年利率14.5%（理……

编程日记2023/4/7 14:13:37从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

Python 02 数据类型(03列表)

目录 一、列表
1.1 创建列表
1.1.1 创建一个空列表
1.1.2 列表可以容纳任意数据类型的数据的有序集合，可以通过索引访问其中的元素
1.1.3 列表可以容纳字符串、浮点数、整数、集合、字典、元组、列表
1.1.4 列表可以嵌套
1.1.5 使用list()也可以创建一个列表……

编程日记2023/4/7 14:13:28从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

python逝练（三）

目录
1、找出10000以内能被5或6整除，但不能被两者同时整除的数（函数）
2、写一个方法，计算列表所有偶数下标元素的和(注意返回值)
3、根据完整的路径从路径中分离文件路径、文件名及扩展名
4、根据标点符号对字符串进行分行
5……

编程日记2023/4/7 14:13:19从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

本地打开dist文件

npm run build打包后
cd dist
http-server
没有http-server，npm install -g http-server
http-server…

编程日记2023/4/7 14:13:06从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

多任务处理

目录1.多任务的概念2.线程的使用threading模块的使用线程的run方法使用线程的执行顺多线程-共享全局变量多线程并发的问题思考互斥锁死锁案例-实现2个线程收发udp消息3. 进程的使用进程的创建-multiprocessing查看进程pidProcess语法结构介绍给子进程指定的函数传递参数进程和线……

编程日记2023/4/7 14:12:56从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

基于copula的风光联合场景生成与缩减

目录
1 主要内容
风光出力场景生成方法
2 部分程序
3 程序结果
4 程序链接
点击直达！ 1 主要内容
该程序方法复现《融合风光出力场景生成的多能互补微网系统优化配置》风光出力场景生成部分，目前大多数研究的是不计风光出力之间的相关性影响&amp……

编程日记2023/4/16 14:58:35从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

TS 使用自动提示生成对象中的键

TS 使用自动提示生成对象中的键
使用 plain object 而不是 class 的原因主要是在于 redux 中保存的对象需要为可序列化的对象。当然，具体操实现的时候肯定是可以无视这个需求的，不过 Redux 团队强烈建议使用可序列化对象，具体的官方文档说明……

编程日记2023/4/16 14:58:26从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

Spring Boot概述（一）

1. SpringBoot 概述
1.1 SpringBoot 概念
SpringBoot提供了一种快速使用Spring的方式，基于约定优于配置的思想，可以让开发人员不必在配置与逻辑业务之间进行思维的切换，全身心的投入到逻辑业务的代码编写中，从而大大提高了开发的……

编程日记2023/4/16 14:58:12从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

计算机笔试/面试常见逻辑题/智力题汇总

说明：按种类汇总，难度不分先后，做了分级罗列，方便后续扩充，大家有比较有意思的题目可以在讨论区讨论。 下面有的题题解相对复杂的直接参考了网上的一些解答，而有的题解我认为并不好的也做了补充&#xff0c……

编程日记2023/4/16 14:58:01从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

OpenAI文档翻译——搭建第一个自己的ChatGPT应用

这篇主要是讲了重头到位创建一个基于OpenAI API的应用程序的过程，同时给出了Node.js、Python版本的实例代码。应用程序的构建总体来说是很简单的就是一个接口调用，前提是我们需要提供密匙。
如果想要获取更好的结果返回一个是可以给模型提供一些列子从而……

编程日记2023/4/16 14:57:51从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

python以及PyCharm工具的环境安装与配置

这里以Windows为例
Python的安装
当然是到Python官网下载咯，https://www.python.org/downloads/点我直达，如图： 可以下载最新版本，可以下拉找到之前特定的版本安装，如图： 这里先择的是最新版的进行安装……

编程日记2023/4/16 14:57:39从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

JavaScript【六】JavaScript中的字符串(String)

文章目录🌟前言🌟字符串(String)🌟单引号和双引号的区别🌟属性🌟 length :字符串的长度🌟 方法🌟 str.charAt(index);🌟 str.charCodeAt(index);🌟 String.fromCharCode(……

编程日记2023/4/16 14:57:29从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

获取文件MD5小案例（未拆分文件）

文章目录前端获取MD5后端获取MD5前端获取MD5
1、引入js
<script src"js/spark-md5.min.js" type"text/javascript"></script>注：spark-md5库GitHub链接 2、这里是一个按钮和被隐藏调的<input/>标签 <body><button……

编程日记2023/4/16 14:57:19从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

Java 进阶(15)线程安全集合

CopyOnWriteArrayList
线程安全的ArrayList，加强版读写分离。
写有锁，读⽆锁，读写之间不阻塞，优于读写锁。
写⼊时，先copy⼀个容器副本、再添加新元素，最后替换引⽤。
使⽤⽅式与ArrayList⽆异。
示例……

编程日记2023/4/16 14:57:08从此告别繁琐的模型微调，LLM-Adapters助力NLP任务快速高效微调！-编程知识网

HR：面试官最爱问的linux问题，看看你能答对多少

文章目录摘要Linux的文件系统是什么样子的？如何访问和管理文件和目录？如何在Linux中查看和管理进程？如何使用Linux命令行工具来查看系统资源使用情况？如何配置Linux系统的网络设置？如何使用Linux的cron任务调度器来执行……

编程日记2023/4/16 14:56:56