隨著預(yù)訓(xùn)練模型參數(shù)量越來越大，遷移學(xué)習(xí)的成本越來越高，parameter-efficient tuning成為一個(gè)熱點(diǎn)研究方向。在以前我們在下游任務(wù)使用預(yù)訓(xùn)練大模型，一般需要finetune模型的所有參數(shù)。隨著parameter-efficient tuning技術(shù)的發(fā)展，一些注入adaptor、prefix tuning、LoRA等成本更低的finetune方法被提出。那么各種各樣的parameter-efficient tuning方法之間是否存在某些潛在的關(guān)系呢？ICLR 2022就有一篇相關(guān)的研究，從統(tǒng)一的視角理解現(xiàn)有的各類parameter-efficient tuning方法，并提出了一套遷移框架，可以實(shí)現(xiàn)更接近全量參數(shù)finetune效果的部分參數(shù)finetune。

1各類tuning方法回顧

比較經(jīng)典的高效finetune方法主要包括adaptor、prefix-tuning、LoRA這三類，這里進(jìn)行一個(gè)簡單的回顧。

Adaptor核心是在原Bert中增加參數(shù)量更小的子網(wǎng)絡(luò)，finetune時(shí)固定其他參數(shù)不變，只更新這個(gè)子網(wǎng)絡(luò)的參數(shù)。Adaptor是最早的一類高效finetune方法的代表，在Parameter-Efficient Transfer Learning for NLP（ICML 2019）這篇文章中被提出。在原來的Bert模型的每層中間加入兩個(gè)adapter。Adapter通過全連接對原輸入進(jìn)行降維進(jìn)一步縮小參數(shù)量，經(jīng)過內(nèi)部的NN后再將維度還原，形成一種bottleneck的結(jié)構(gòu)。在finetune過程中，原預(yù)訓(xùn)練Bert模型的參數(shù)freeze住不更新，只更新adapter的參數(shù)，大大減少了finetune階段需要更新和保存的參數(shù)量。

Prefix-tuning的核心是為每個(gè)下游任務(wù)增加一個(gè)prefix embedding，只finetune這些embedding，其他參數(shù)freeze。Prefix-tuning對應(yīng)的論文是Prefix-Tuning: Optimizing Continuous Prompts for Generation（2021），這類方法的思想來源于prefix prompt，prefix embedding相當(dāng)于一個(gè)上下文信息，對模型最終產(chǎn)出的結(jié)果造成影響，進(jìn)而只finetune這個(gè)embedding實(shí)現(xiàn)下游任務(wù)的遷移。

LoRA的核心是通過引入?yún)?shù)量遠(yuǎn)小于原模型的可分解的兩小矩陣建立一個(gè)旁路，通過finetune這個(gè)旁路來影響預(yù)訓(xùn)練模型。LoRA于LoRA: Low-rank adaptation of large language models（2021）論文中被提出，利用低秩矩陣替代原來全量參數(shù)的訓(xùn)練，提升finetune效率。

2統(tǒng)一視角看高效finetune方法

ICLR 2022的這篇文章從統(tǒng)一的視角來看各類不同的parameter-efficient tuning方法。首先對于prefix tuning，Transformer的每個(gè)head的結(jié)果可以進(jìn)行如下的公式推導(dǎo)變換：

其中，第一行的P就是prefix embedding，C對應(yīng)著key和value的序列向量，x代表query。經(jīng)過中間的變換后，可以發(fā)現(xiàn)prefix tuning的attention計(jì)算可以分為兩個(gè)部分的加權(quán)求和，第一部分是原始的attention，第二部分是和key或value無關(guān)的一項(xiàng)，只用query和prefix embedding進(jìn)行self-attention的計(jì)算。而權(quán)重則是根據(jù)prefix embedding的attention權(quán)重。通過上述公式，我們可以從另一個(gè)視角來看prefix-tuning：即在原始attention的輸出結(jié)果上，對位相加一個(gè)由prefix embedding得到的attention值，實(shí)現(xiàn)對原始attention score的修正。

我們再來看Adaptor和LoRA兩種tuning方式的數(shù)學(xué)表示。Adaptor和LoRA方法可以分別表示為如下公式：

我們把prefix embedding也可以轉(zhuǎn)換成相同的表達(dá)形式：

可以發(fā)現(xiàn)這些finetune方法都具有相似的表達(dá)形式。并且，prefix-tuning中prefix embedding的數(shù)量其實(shí)和Adapter中降維的維度具有相似的功能。三種方法在這個(gè)視角下的對比如下圖所示：

3統(tǒng)一的高效finetune框架

既然上述幾類方法表達(dá)形式相似，并且主要學(xué)的都是如何修改原來attention的輸出結(jié)果，那么我們可以建立一個(gè)統(tǒng)一的框架，涵蓋上述各類finetune方法。這個(gè)框架的核心是如何生成修改原始attention score的向量。為了生成這個(gè)向量，需要考慮以下4個(gè)核心模塊：

Functional Form：用什么樣的函數(shù)生成，上述方法基本都是全連接降維+激活函數(shù)+全連接升維的形式，當(dāng)然也可以設(shè)計(jì)更復(fù)雜的函數(shù)形式；

Modified Representation：對哪個(gè)位置的信息進(jìn)行直接修改；

Insertion Form：向量引入的形式，Adapter采用的是串聯(lián)的方式，根據(jù)上一層的隱狀態(tài)生成向量；而prefix tuning和LoRA采用并聯(lián)的方式，直接根據(jù)輸入序列生成向量；

Composition Function：向量的使用方式，利用adapter中采用簡單的對位相加的形式。

Adapter、Prefix-tuning、LoRA等方法按照 上面4個(gè)維度拆分，各自的實(shí)現(xiàn)形式如下表：

接下來，文中基于上述4個(gè)模塊設(shè)計(jì)了一些新的方法：

Parallel Adapter：將Adapter的串聯(lián)形式修改為并聯(lián)形式；

Multi-head Parallel Adapter：在Parallel Adapter基礎(chǔ)上修改了Modified Representation，使用旁路向量修改attention輸出結(jié)果；

Scaled Parallel Adapter：將LoRA的scaling引入進(jìn)來。

4實(shí)驗(yàn)結(jié)果

本文由于站在了更高的視角，看到了parameter-efficient tuning的統(tǒng)一形式，因此可以實(shí)現(xiàn)更加靈活的建模方式，基于這個(gè)框架尋找最節(jié)省參數(shù)量、最能達(dá)到更好效果的結(jié)構(gòu)。從下圖可以看出，本文提出的方法實(shí)現(xiàn)接接近全量參數(shù)finetune的效果，參數(shù)量也比Adapter、LoRA等方法有所減少。

文中通過大量的實(shí)驗(yàn)對比各個(gè)模塊采用什么樣的形式能帶來最好的效果-效率的這種，并最終提出最優(yōu)的模型MAM-Adapter。核心的實(shí)驗(yàn)發(fā)現(xiàn)包括：并聯(lián)的方式比串聯(lián)的好；對FFN輸出結(jié)果的修改比對Attention輸出結(jié)果修改要好等。

5總結(jié)

本文從統(tǒng)一視角看parameter-efficient tuning，實(shí)現(xiàn)了更高視角的最優(yōu)tuning框架設(shè)計(jì)。這也啟發(fā)我們尋找同類問題不同建模方式背后原理的統(tǒng)一性，能夠跳出一種模型結(jié)構(gòu)去看各類建模方式的相似性，實(shí)現(xiàn)更高視角下對問題的理解。

審核編輯：郭婷