论文阅读笔记——Adapter，AdapterFusion，AdapterDrop

Adapter

Adapter 论文
Adapter 是一组轻量级的参数，被添加到模型的中间层，以保护原有预训练模型的参数。
Adapter：少量参数和近似恒等初始化。注意：仍然增加了网络深度！！！

Adapter模块由两个前馈子层构成。第一个子层接收 Transformer 块的输出，并将原始输入维度 d 映射到较小的维度 m（通常m远小于d），以此限制模块的参数量。第二个子层则负责将维度m重新映射回d，作为模块的最终输出。这种设计使得 Adapter 模块能够在不调整整个模型参数的情况下，灵活适应新的下游任务，有效避免了全模型微调带来的计算负担和灾难性遗忘问题。通过引入少量任务特定的参数，Adapter 方法能够高效存储任务相关知识，显著降低模型微调所需的计算资源。

AdapterFusion

AdapterFusion 论文

将 Adapter 扩展到了多任务

AdapterFusion 将学习过程划分为两个阶段：

1. 知识提取阶段：在此阶段，训练Adapter模块以捕捉下游任务的特定知识，并将这些知识编码到 Adapter 模块的参数中。
2. 知识组合阶段：在此阶段，固定预训练模型参数和特定任务的 Adapter 参数，同时引入新的参数 Ψ，用于学习如何融合多个 Adapter 模块中的知识，从而提升模型在目标任务上的性能。

具体而言，首先针对 N 个不同的下游任务 分别训练 N 个独立的 Adapter 模块。随后，AdapterFusion 通过固定预训练参数 Θ 和所有 Adapter 参数 Φ，并引入新参数 Ψ，利用 N 个下游任务的数据集进行训练，学习如何组合这些 Adapter 模块以解决特定任务。参数Ψ在每一层中包含 Key、Value和Query（如右侧架构所示）。在 Transformer 的每一层中，前馈网络子层的输出作为 Query，而各个 Adapter 模块的输出分别作为 Key 和 Value。通过计算 Query 与 Key 的点积并输入 SoftMax 函数，AdapterFusion 能够根据上下文动态加权不同的 Adapter 模块。在给定上下文中，AdapterFusion 学习如何混合已训练 Adapter 模块的参数，并根据输入激活最相关的 Adapter 模块。

优势与挑战：

• 通过将Adapter的训练分为知识提取和知识组合两个阶段，AdapterFusion 有效解决了灾难性遗忘、任务间干扰和训练不稳定的问题。
• 然而，Adapter模块的引入增加了模型的整体参数量，可能会对推理性能产生一定影响。

AdapterDrop

AdapterDrop 论文

Adapter 和 AdapterFusion 推理加速版

为了提升推理效率，可以在推理时对某些层的 Adapter 进行剪枝。作者提出了一种策略，即在推理时剪掉最靠近输入的前 n 层 Adapter。为了尽可能减少性能损失，作者设计了两种训练方案：

1. Specialized AdapterDrop：在训练时固定剪枝层数 n，推理时也固定剪掉前 n 层 Adapter。
2. AdapterDrop（Robust AdapterDrop：在训练时，每个 batch 随机选择不同的 n 值进行训练，使得训练后的模型能够适应多种剪枝配置。
   由于模型的其他参数在训练过程中是固定的，梯度只需回传到保留的最早一层 Adapter 即可。这种设计不仅减少了计算量，还能在推理时灵活调整 Adapter 的使用，从而在加速推理的同时尽可能保持模型性能。

对于 AdapterFusion 进行剪枝：

• 去除前几层 AdapterFusion（AF）层对模型性能的影响因任务而异。例如，在 RTE 任务中，去除 AF 层对性能影响较小，而在 CoLA 任务中，模型对去除 AF 层非常敏感。这表明，直接去除 AF 层并不是一种通用的优化方法。
• 为了更有效地提升推理速度，作者提出了一种基于贡献度的剪枝策略：通过测量每个 Adapter 在训练集上的平均激活水平（即加权后的输出），识别出每层中对输出贡献较小的 Adapter。具体实现中，每层仅保留两个贡献最高的 Adapter，其余 Adapter 被剪枝。实验表明，这种方法在几乎不损失模型性能的情况下，可以将推理速度提升 68%。这种策略不仅显著加速了推理过程，还保持了模型的整体性能，是一种更为精细和高效的优化方法。*