如何通过LoRA微调实现大模型自我认知的？

本文主要分享如何使用 LLaMAFactory 实现大模型微调，基于 Qwen1.5-1.8B-Chat 模型进行 LoRA 微调，修改模型自我认知。 本文的一个目的：基于 Qwen1.5-1.8B-Chat 模型进行微调，修改模型自我认证。 修改前对于 Qwen1.5-1.8B-Chat 模型，用户问你是谁？时模型一般会回答我是阿里云自主研发的超大规模语言模型，我叫通义千问。 我们希望在微调之后，对于同样的问题，模型能回答我是 Archer，由 意琦行 研发。 1. 训练相关概念 上一篇文章 GPT 是如何炼成的：大模型微调基础概念指北 中分享了模型训练的相关概念，这里简单复习一下。 ChatGPT 是如何炼成的？ ChatGPT 是如何炼成的，或者说如何训练出一个大模型？ 训练一个大模型一般可以分为三步： 1）预训练（Pre Training，PT）：提供海量数据，通过无监督预训练，花费大量算力得到一个基座模型 比如 Llama 3 在 24K GPU 集群上训练，使用了 15T 的数据 此时模型有预测下一个 token 的能力，但是离对话 / 问答 模型还差一点，可能不会回复你的问题，反而给你生成一个类似的问题 2）指令微调（Supervised Fine-Tuning, SFT）：在基座模型上微调，让模型能够适用特定任务，最终得到一个 SFT 模型 比如为了让模型成为问答助手，需要让模型学习更多的问答对话，从而学习到我们输入问题的时候，模型应该输出答案，而不是输出一个类似的问题。 这些问答对话由人类准备的，包括问题和正确的回答。 3）强化学习（Reinforcement Learning from Human Feedback, RLHF）：通过人类反馈进一步优化模型的生成质量，使其生成的回答更符合用户的期望和人类的价值观。 一般根据 3H 原则进行打分： Helpful：判断模型遵循用户指令以及推断指令的能力。 Honest：判断模型产生幻觉( 编造事实)的倾向。 Harmless：判断模型的输出是否适当、是否诋毁或包含贬义内容。 为了简化这一过程，一般是先训练一个用于打分的模型，即：奖励模型（Reward Model，RW），让奖励模型来代替人实现强化学习 预训练由于对算力和数据需求都比较大，因此要求比较高，一般用户不会涉及到预训练。 更多的是基于开源的基础模型（LLama、Baichuan、Qwen、ChatGLM...）等做微调、强化学习以满足自身需求。 微调 什么是大模型微调？ 大模型微调，也称为Fine-tuning，是指在已经预训练好的大型语言模型基础上（一般称为“基座模型”），使用特定的数据集进行进一步的训练，让模型适应特定任务或领域。 微调方法 上一篇中介绍了比较主流的训练方法，这里简单提一下： 微调根据更新参数量不同可以分为以下两种： 全量参数更新 Full Fine-tuning（FFT）：即对预训练模型的所有参数进行更新，训练速度较慢，消耗机器资源较多。 参数高效微调 Parameter-Efficient Fine-Tuning（PEFT）：只对部分参数做调整，训练速度快，消耗机器资源少。 理论上，预训练和微调都可以做全量参数更新和部分参数更新，但是一般实际训练时都是 预训练 + 全量，微调 + 部分参数更新 这样组合的。 其中 PEFT 是一系列方法的统称，Scaling Down to Scale Up: A Guide to Parameter-Efficient Fine-Tuning 论文里系统地概述和比较了参数高效微调方法，涵盖了 2019 年 2 月至 2023 年 2 月之间发表的 40 多篇论文。 文中作者将高效微调方法分为三类： 添加额外参数 A（Addition-based） 类似适配器的方法（Adapter-like methods） 软提示（Soft prompts） 选取部分参数更新 S（Selection-based） 引入重参数化 R（Reparametrization-based） 选择合适的微调方法和框架可以显著提高效率，减少资源消耗，并帮助研究者和开发者更好地适应和优化特定任务。 具体就不介绍了，感兴趣的同学可以跳转论文查看~ 现在比较主流的几种 PEFT：Prompt Tuning、Prefix Tuning、LoRA、QLoRA。 微调框架 比较主流的几个微调、训练工具： huggingface/transformers：最基础的一个库,提供了丰富的预训练模型和微调工具，支持大多数主流的NLP任务（如文本分类、序列标注、生成任务等）。