AIGC動態歡迎閱讀

原標題：量化大模型退化嚴重？ETH北航字節推出LoRA新范式 | ICML 2024
關鍵字：信息,字節跳動,模型,權重,表示
文章來源：量子位
內容字數：0字

內容摘要：

QHT 投稿量子位 | 公眾號 QbitAI大模型應用開卷，連一向保守的蘋果，都已釋放出發展端側大模型的信號。
問題是，大語言模型（LLM）卓越的表現取決于“力大磚飛”，如何在資源有限的環境中部署大模型并保障性能，仍然頗具挑戰。
以對大模型進行量化+LoRA的路線為例，有研究表明，現有方導致量化的LLM嚴重退化，甚至無法從LoRA微調中受益。
為了解決這一問題，來自蘇黎世聯邦理工學院、北京航空航天大學和字節跳動的研究人員，最新提出了一種信息引導的量化后LLM微調新算法IR-QLoRA。論文已入選ICML 2024 Oral論文。
論文介紹，IR-QLoRA能有效改善量化導致的大模型性能退化。在LLaMA和LLaMA 2系列中，用該方法微調的2位模型，相比于16位模型僅有0.9%的精度差異。
△IR-QLoRA框架圖該方法的核心思想，是通過信息保留來使LoRA微調量化的大語言模型實現精度提升。
包含從統一信息角度衍生的兩種技術：信息校準量化和信息彈性連接。
信息校準量化LLM的量化權重被期望反映原始對應方所攜帶的信息，但比特寬度的減小嚴重限制了表示能力。從信息的角度來看，量化LLM和

原文鏈接：量化大模型退化嚴重？ETH北航字節推出LoRA新范式 | ICML 2024

聯系作者

文章來源：量子位
作者微信：QbitAI
作者簡介：追蹤人工智能新趨勢，關注科技行業新突破