AIGC動態歡迎閱讀

原標題：比LoRA還快50%的微調方法來了！一張3090性能超越全參調優，UIUC聯合LMFlow團隊提出LISA
關鍵字：技術,模型,性質,算法,消耗
文章來源：機器之心
內容字數：3392字

內容摘要：

機器之心專欄
機器之心編輯部2022 年底，隨著 ChatGPT 的爆火，人類正式進入了大模型時代。然而，訓練大模型需要的時空消耗依然居高不下，給大模型的普及和發展帶來了巨大困難。面對這一挑戰，原先在計算機視覺領域流行的 LoRA 技術成功轉型大模型 [1][2]，帶來了接近 2 倍的時間加速和理論最高 8 倍的空間壓縮，將微調技術帶進千家萬戶。
但 LoRA 技術仍存在一定的挑戰。一是 LoRA 技術在很多任務上還沒有超過正常的全參數微調 [2][3][4]，二是 LoRA 的理論性質分析比較困難，給其進一步的研究帶來了阻礙。
UIUC 聯合 LMFlow 團隊成員對 LoRA 的實驗性質進行了分析，意外發現 LoRA 非常側重 LLM 的底層和頂層的權重。利用這一特性，LMFlow 團隊提出一個極其簡潔的算法：Layerwise Importance Sampled AdamW（LISA）。論文鏈接：https://arxiv.org/abs/2403.17919
開源地址：https://github.com/OptimalScale/LMFlow
LISA 介紹LISA 算法的

原文鏈接：比LoRA還快50%的微調方法來了！一張3090性能超越全參調優，UIUC聯合LMFlow團隊提出LISA

聯系作者

文章來源：機器之心
作者微信：almosthuman2014
作者簡介：專業的人工智能媒體和產業服務平臺