低精度只適用于未充分訓練的LLM？騰訊提出LLM量化的scaling laws

本文介紹了一套針對于低比特量化的 scaling laws。

原標題：低精度只適用于未充分訓練的LLM？騰訊提出LLM量化的scaling laws
文章來源：機器之心
內容字數：5625字

騰訊AI Lab挑戰低比特量化：充分訓練的LLM量化損失巨大

本文總結了騰訊AI Lab發表在arXiv上的一篇論文，該論文挑戰了低比特量化在大型語言模型(LLM)中的普遍適用性。研究發現，低比特量化僅在未充分訓練的LLM上才能取得與fp16/bf16精度相當的性能，隨著訓練的深入，性能差距會顯著擴大。

1. 低比特量化的局限性

近年來，低比特量化因其能夠在降低模型規模、內存占用和計算資源的同時保持性能而備受關注。然而，騰訊AI Lab的研究表明，這種優勢只存在于訓練數據量較少的LLM中(通常小于5000億tokens)。當模型充分訓練后，低比特量化會導致顯著的性能下降。

2. 實驗設計與數據分析

研究人員對超過1500個不同大小和訓練程度的開源LLM檢查點進行了量化實驗，分析了量化引起的性能退化(QiD)。實驗使用了Pythia系列模型，涵蓋了不同尺寸(160M到12B參數)和訓練階段的檢查點。通過GPTQ對這些檢查點進行2-bit,3-bit,4-bit量化，并觀察QiD的變化。

研究人員發現，在模型大小固定的情況下，訓練數據量越多，QiD越大；在訓練數據量固定的情況下，模型越小，QiD越大。這表明充分訓練的模型更容易受到低比特量化的負面影響。

3. 低比特量化的Scaling Laws

基于實驗結果，研究人員推導出一套低比特量化的scaling laws，該公式可以預測不同大小和訓練程度的LLM在低比特量化下的性能損失：?qLoss = k * N^α * D^β * P^γ 。其中，N為模型參數量，D為訓練數據量，P為量化精度(比特數)，α、β、γ為正數指數，k為聯合系數。

該公式表明，更大的模型(N)、更低的精度(P)會導致更小的QiD，而更大的訓練數據量(D)會導致更大的QiD。

4. 權重變化與模型訓練程度

研究人員認為，未充分訓練的LLM權重變化幅度較大，對權重變化更魯棒，因此低比特量化造成的偏差較小。而充分訓練的LLM權重變化較小，低比特量化帶來的額外變化更容易導致性能下降。

5. QiD作為衡量訓練充分程度的指標

研究人員提出，QiD可以作為衡量LLM訓練是否充分的指標。QiD接近0表明模型尚未充分訓練，還有提升空間。利用scaling laws，可以預測不同尺寸的LLM達到指定QiD所需的訓練數據量。

6. 對原生低比特LLM的討論

研究也涵蓋了原生低比特LLM，發現其規律與低比特量化類似，但性能下降可能在更晚的訓練階段才會顯現。

7. 結論與展望

研究強調了在未充分訓練的LLM上進行實驗的局限性，呼吁社區重新審視基于此類實驗得出的結論。隨著模型訓練數據量的不斷增加，低比特量化在未來應用中的前景可能并不樂觀。

聯系作者

文章來源：機器之心
作者微信：
作者簡介：專業的人工智能媒體和產業服務平臺