AIGC动态欢迎阅读
原标题：量化大模型
退化严重？ETH北航字节推出LoRA新范式 | ICML 2024
关键字：信息,字节跳动,模型,权重,表示文章来源：量子位
内容字数：0字内容摘要：
QHT 投稿量子位 | 公众号 QbitAI大模型应用开卷，连一向保守的苹果，都已释放出发展端侧大模型的信号。
问题是，大语言模型（LLM）卓越的表现取决于“力大砖飞”，如何在资源有限的环境中部署大模型并保障性能，仍然颇具挑战。
以对大模型进行量化+LoRA的路线为例，有研究表明，现有方法会导致量化的LLM严重退化，甚至无法从LoRA微调中受益。
为了解决这一问题，来自苏黎世联邦理工学院、北京航空航天大学和字节跳动的研究人员，最新提出了一种信息引导的量化后LLM微调新算法IR-QLoRA。论文已入选ICML 2024 Oral论文。
论文介绍，IR-QLoRA能有效改善量化导致的大模型性能退化。在LLaMA和LLaMA 2系列中，用该方法微调的2位模型，相比于16位模型仅有0.9%的精度差异。
△IR-QLoRA框架图该方法的核心思想，是通过信息保留来使LoRA微调量化的大语言模型实现精度提升。
包含从统一信息角度衍生的两种技术：信息校准量化和信息弹性连接。
信息校准量化LLM的量化权重被期望反映原始对应方所携带的信息，但比特宽度的减小严重限制了表示能力。从信息的角度来看，量化LLM和原文链接：量化大模型退化严重？ETH北航字节推出LoRA新范式 | ICML 2024
联系作者
文章来源：量子位
作者微信：QbitAI
作者简介：追踪人工智能新趋势，关注科技行业新突破
