微调量化第一章，资料地址：https://datawhalechina.github.io/base-llm/#/chapter11/01_PEFT

前情提要

BERT模型发布以来，预训练-微调 范式在NLP领域取得了重大成功
但是之前使用的全量微调会因为模型参数规模的跃升变得不合适，挑战包括训练成本（巨大的计算资源）、存储压力（保存参数用的存储成本高）、灾难性遗忘（在对特定任务微调时，模型可能会忘记在预训练阶段学到的海量通用知识）、训练不稳定性（大模型网络结构的宽度和深度都很大，其训练过程对学习率等超参极为敏感，很容易出现梯度消失/爆炸等问题，导致训练失败）
上述困境使得研究者们迫切需要一种新范式，即能有效利用大模型的强大能力，又能避免全量微调带来的高昂成本
2020年GPT-3论文提出In-Context Learning，这是一种无需训练的范式，在不调整任何模型参数的情况下，仅通过在输入中提供一些任务示例，就能引导大模型完成特定任务。这一发现催生了“提示工程”的繁荣。这种人工的、离散的文本指令我们称为硬提示。硬提示也存在三个明显的缺陷，一是找到最优提示词需要大量的试错和经验，过程繁琐且不稳定；二是离散的文本在提示表达能力上存在上限，很难充分激发和精确控制大模型的潜力；提示在模型间可能不具备迁移性
于是催生出了参数高效微调，该思想借鉴了计算机视觉领域的迁移学习。在CV任务中我们通常会冻结预训练模型如ResNet负责提取通用特征的卷积层，仅微调后面的全连接层来适应新的分类任务。PEFT将这一思想应用于Transformer架构，并发展出多条技术路线

PEFT技术

参数高效微调（Parameter-Efficient Fine-Tuning，PEFT）
即冻结预训练模型99%以上的参数，只调整其中的极小一部分参数，或者额外增加一些参数，从而使模型以极低的成本适应下游任务。这样既能有效利用大模型能力，又不必承受全量微调高昂成本
PEFT有多条技术路线

Adapter Tuning

Google在2019年为BERT模型设计，在Transformer的每个块中插入小型的“适配器”模块（Adapter）
如下图所示，Adapter被插入到每个子层（注意力层和前馈网络）内部，并与主干网络形成残差连接，在训练时只有Adapter模块的参数会被更新
![[Pasted image 20260124171555.png]]
右侧是Adapter模块自身结构：
降维的全连接层（Feedforward down-project）：将高维特征映射到低维空间
非线性激活函数(Nonlinearity)
升维的全连接层（Feedfroward up-project）：将特征映射回原始维度
贯穿该模块的残差连接：将模块的输出与原始输入相加，保证信息流的稳定
通过这种结构，Adapter模块可以用极少的参数量来模拟特定任务的知识，而且性能上接近全量微调
但是由于各层插入了额外的模块，训练时仍会带来一定的激活内存与算力开销

Prefix Tuning

核心机制：

• 前缀激活值（Prefix Activations）：图中PREFIX部分对应的激活值$h_i$是从一个专门的可训练矩阵$P_{\theta }$中提取的，这部分参数就是微调的对象
• 模型计算的激活值：而原始输入x和y对应的激活值，是由冻结的Transformer模型正常计算得出的
  下图的上下两部分分别是在自回归语言模型和编码器-解码器模型中的应用
  ![[Pasted image 20260124192753.png]]
  通过这种方式，模型在不改变原有参数的情况下，学会利用这些可控的前缀引导后续内容的生成，从而适应新任务。Prefix Tuning不仅在输入层添加前缀，还在Transformer的每一层都添加了对应的可学习Prefix，并通过一个小型的前馈网络（MLP）来生成这些参数