前言

目前模型微调在大模型垂直领域有着广泛的应用，尤其LoAR方式的微调。本期就给大家介绍LoAR微调的原理。

什么时候才微调？

在大模型应用开发过程中，遇到大模型解决不了的问题时就需要微调吗？答案显而易见。最简单的方式当然是提示词工程，因为大模型就是一个装了压缩几十TB数据的“类人脑”，知识储备囊括各个方面且普遍具有Function Calling和MCP的能力，只要给他高质量的提示词，它能完成大部分任务。遇到提示词工程也无法解决的超过大模型知识范围的情况时，例如大模型无法获取最新的资讯或专业领域较深的知识时（缺乏背景知识），还可以给大模型补充知识，即RAG技术。当以上两种方式都没法解决问题时，可能就是大模型能力的问题，当我们需要让大模型具备或增强某项能力时，才需要微调。

LoRA微调的核心思想和原理

我们知道像GPT、Deepseek这样的大模型有数十亿参数，直接微调所有参数（全量微调）需要巨大的计算资源和存储空间，成本非常高。LoRA(Low-Rank Adaptation，低秩自适应)假设模型微调过程中的权重更新（ΔW）具有“内在的低秩特性”,我们不改变模型原有的巨大权重矩阵 W。而是在其旁边增加一个小的“旁路”，通过训练这个旁路来间接影响原始权重。如下图，蓝色部分是预训练模型（或者说基座模型），A 和 B 是两个小的、低秩的矩阵。A负责降维，B负责升维。BA 合在一起就构成了对原始权重的更新 ΔW。这个ΔW就是一个低秩矩阵。微调时，我们只训练 A 和 B 这两个小矩阵，最后只需保存它们，推理时再合并到 W 中即可。

什么是低秩矩阵？

“秩”就表示矩阵中“独一无二”、“无法被其他数据组合所替代”的基础信息的最小数量。秩越低，说明冗余度越高，可压缩性越强。下图中，左侧的矩阵中几乎每个数字都不一样，秩就高，而右侧的矩阵，第n+1行是第n行对应列2倍，我们只需要记住第一行和倍数就能还原整个矩阵，秩就低。

如何得到这个低秩矩阵？

首先我们了解什么是矩阵分解，我们假设一个场景：为海量的用户和电影进行推荐：为用户找到其感兴趣的电影推荐给他。用矩阵表示收集到的用户行为数据，12个用户，9部电影。

矩阵分解要做的是预测出矩阵中缺失的评分，使得预测评分能反映用户的喜欢程度，可以把预测评分最高的前K个电影推荐给用户了。

要从评分矩阵中分解出User矩阵和Item矩阵，只有左侧的评分矩阵R是已知的，User矩阵和Item矩阵是未知，学习出User矩阵和Item矩阵，使得User矩阵*Item矩阵与评分矩阵中已知的评分差异最小=> 最优化问题。（要得到User矩阵和Item矩阵，我们要先自行了解矩阵分解的目标函数和训练过程，目标函数最优化问题的工程解法，主要有交替最小二乘法(ALS)和随机梯度下降(SDG)）。

对于这个场景问题，我们可以将电影分成动作、动画、爱情三个类别，用户的电影爱好体现在User向量上，观察Item矩阵，电影的风格也会体现在Item向量上，MF用user向量和item向量的内积去拟合评分矩阵中该user对该item的评分，内积的大小反映了user对item的喜欢程度。内积大匹配度高，内积小匹配度低。隐含特征个数k，k越大，隐类别分得越细，计算量越大。

某个用户u对电影i的预测评分= User向量和Item向量的内积把这两个矩阵相乘，就能得到每个用户对每部电影的预测评分了，评分值越大，表示用户喜欢该电影的可能性越大，该电影就越值得推荐给用户。

回到低秩矩阵，我们是将一个(12*9)的矩阵分解成(12*3)和(3*9)的矩阵，这里的“秩”（rank）就等于3，而这个(12*3)的矩阵就是图中的额A,(3*9)的矩阵就是图中B。A*B=ΔW即为LoRA模型。

Summary

LoRA在原始预训练模型旁边增加一个旁路，通过低秩分解（先降维再升维）来模拟参数的更新量,将原模型与降维矩阵A，升维矩阵B分开。训练阶段，只训练B和A，推理阶段，将BA加到原参数。

• 初始化，A采用高斯分布初始化，B初始化为全0，这样训练开始时旁路为0矩阵

• 多任务切换，当前任务W0+B1A1，将lora部分减掉，换成B2A2，即可实现任务切换

• 秩的选取：对于一般的任务，rank=1,2,4,8即可，如果任务较大，可以选择更大的rank。

假设原基座模型推理为h=Wx，使用LoRA模型后推理阶段变为h=Wx+BAx=(W+BA)x（从这里也能看出LoRA模型要和基座模型一起使用）。

普通人如何抓住AI大模型的风口？

为什么要学AI大模型

当下，⼈⼯智能市场迎来了爆发期，并逐渐进⼊以⼈⼯通⽤智能（AGI）为主导的新时代。企业纷纷官宣“ AI+ ”战略，为新兴技术⼈才创造丰富的就业机会，⼈才缺⼝将达 400 万！

DeepSeek问世以来，生成式AI和大模型技术爆发式增长，让很多岗位重新成了炙手可热的新星，岗位薪资远超很多后端岗位，在程序员中稳居前列。

与此同时AI与各行各业深度融合，飞速发展，成为炙手可热的新风口，企业非常需要了解AI、懂AI、会用AI的员工，纷纷开出高薪招聘AI大模型相关岗位。

AI大模型开发工程师对AI大模型需要了解到什么程度呢？我们先看一下招聘需求：

知道人家要什么能力，一切就好办了！我整理了AI大模型开发工程师需要掌握的知识如下：

大模型基础知识

你得知道市面上的大模型产品生态和产品线；还要了解Llama、Qwen等开源大模型与OpenAI等闭源模型的能力差异；以及了解开源模型的二次开发优势，以及闭源模型的商业化限制，等等。

了解这些技术的目的在于建立与算法工程师的共通语言，确保能够沟通项目需求，同时具备管理AI项目进展、合理分配项目资源、把握和控制项目成本的能力。

产品经理还需要有业务sense，这其实就又回到了产品人的看家本领上。我们知道先阶段AI的局限性还非常大，模型生成的内容不理想甚至错误的情况屡见不鲜。因此AI产品经理看技术，更多的是从技术边界、成本等角度出发，选择合适的技术方案来实现需求，甚至用业务来补足技术的短板。

AI Agent

现阶段，AI Agent的发展可谓是百花齐放，甚至有人说，Agent就是未来应用该有的样子，所以这个LLM的重要分支，必须要掌握。

Agent，中文名为“智能体”，由控制端（Brain）、感知端（Perception）和行动端（Action）组成，是一种能够在特定环境中自主行动、感知环境、做出决策并与其他Agent或人类进行交互的计算机程序或实体。简单来说就是给大模型这个大脑装上“记忆”、装上“手”和“脚”，让它自动完成工作。

Agent的核心特性

自主性： 能够独立做出决策，不依赖人类的直接控制。

适应性： 能够根据环境的变化调整其行为。

交互性： 能够与人类或其他系统进行有效沟通和交互。

对于大模型开发工程师来说，学习Agent更多的是理解它的设计理念和工作方式。零代码的大模型应用开发平台也有很多，比如dify、coze，拿来做一个小项目，你就会发现，其实并不难。

AI 应用项目开发流程

如果产品形态和开发模式都和过去不一样了，那还画啥原型？怎么排项目周期？这将深刻影响产品经理这个岗位本身的价值构成，所以每个AI产品经理都必须要了解它。

看着都是新词，其实接触起来，也不难。

从0到1的大模型系统学习籽料

最近很多程序员朋友都已经学习或者准备学习 AI 大模型，后台也经常会有小伙伴咨询学习路线和学习资料，我特别拜托北京清华大学学士和美国加州理工学院博士学位的鲁为民老师（吴文俊奖得主）

给大家准备了一份涵盖了AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频 全系列的学习资料，这些学习资料不仅深入浅出，而且非常实用，让大家系统而高效地掌握AI大模型的各个知识点。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

适学人群

应届毕业生‌： 无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌： 非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能突破瓶颈： 传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

AI大模型系统学习路线

在面对AI大模型开发领域的复杂与深入，精准学习显得尤为重要。一份系统的技术路线图，不仅能够帮助开发者清晰地了解从入门到精通所需掌握的知识点，还能提供一条高效、有序的学习路径。

• 基础篇，包括了大模型的基本情况，核心原理，带你认识了解大模型提示词，Transformer架构，预训练、SFT、RLHF等一些基础概念，用最易懂的方式带你入门AI大模型
• 进阶篇，你将掌握RAG，Langchain、Agent的核心原理和应用，学习如何微调大模型，让大模型更适合自己的行业需求，私有化部署大模型，让自己的数据更加安全
• 项目实战篇，会手把手一步步带着大家练习企业级落地项目，比如电商行业的智能客服、智能销售项目，教育行业的智慧校园、智能辅导项目等等

但知道是一回事，做又是另一回事，初学者最常遇到的问题主要是理论知识缺乏、资源和工具的限制、模型理解和调试的复杂性，在这基础上，找到高质量的学习资源，不浪费时间、不走弯路，又是重中之重。

AI大模型入门到实战的视频教程+项目包

看视频学习是一种高效、直观、灵活且富有吸引力的学习方式，可以更直观地展示过程，能有效提升学习兴趣和理解力，是现在获取知识的重要途径

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

海量AI大模型必读的经典书籍（PDF）

阅读AI大模型经典书籍可以帮助读者提高技术水平，开拓视野，掌握核心技术，提高解决问题的能力，同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说，阅读经典书籍是非常有必要的。

600+AI大模型报告（实时更新）

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

AI大模型面试真题+答案解析

我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下

AI时代，企业最需要的是既懂技术、又有实战经验的复合型人才，**当前人工智能岗位需求多，薪资高，前景好。**在职场里，选对赛道就能赢在起跑线。抓住AI这个风口，相信下一个人生赢家就是你！机会，永远留给有准备的人。

如何获取？

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】