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。

Qa-lora:大型语言模型的量化感知低秩自适应

  • 摘要
  • 1 引言
  • 2 相关工作
  • 3 提出的方法
  • 4 实验
  • 5 结论

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。

你可能感兴趣的:(LLM,语言模型,人工智能,自然语言处理)