QA-LORA: QUANTIZATION-AWARE LOW-RANK ADAPTATION OF LARGE LANGUAGE MODELS

本文是LLM系列文章，针对《QA-LORA: QUANTIZATION-AWARE LOW-RANK ADAPTATION OF LARGE LANGUAGE MODELS》的翻译。

摘要

近年来，大型语言模型(llm)得到了迅速的发展。尽管llm在许多语言理解任务中具有很强的能力，但沉重的计算负担在很大程度上限制了llm的应用，特别是当需要将它们部署到边缘设备上时。本文提出了一种量化感知的低秩自适应(QA-LoRA)算法。其原因在于量化自由度与自适应自由度不平衡，解决方法是采用群算子，提高量化自由度，降低自适应自由度。QA-LoRA很容易用几行代码实现，它为原始LoRA提供了双重能力:(i)在微调期间，LLM的权重被量化(例如，进入INT4)，以减少时间和内存使用;(ii)微调后，LLM和辅助权重自然地整合到一个量化模型中，而不损失精度。我们将QA-LoRA应用于LLaMA和LLaMA2模型家族，并在不同的微调数据集和下游场景中验证了其有效性。代码将在https://github.com/ yuhuixu1993/qa-lora上提供。

1 引言

2 相关工作

3 提出的方法

4 实验

5 结论

本文提出了一种将量化感知引入llm低秩自适应的有效方法——QA-LoRA。QA-LoRA的核心在于量化和低级别适应的分组操作，关键的洞察力来自于平衡这两个方面的自由度。QA-LoRA易于实现，可以跨各种基础模型和语言理解任务进行推广，并且在微调和推理阶段都具有计算效率。在LLaMA模型族上的大量实验验证了QA-LoRA的有效性。