附加说明:此文为译文,原文链接:原文
以下是对语言模型微调的(简要)总结,涵盖了现有的各种方法、它们的目的以及我们对其工作原理的了解。
微调技术
“微调” 一词指的是对预训练模型进行进一步训练。就大型语言模型(LLMs)而言,这意味着我们获取一个预训练的基础模型,并对其进行更多训练。然而,进行这种训练的方式多种多样,这使得微调的概念极其模糊。这个单一术语可以指代多种不同的技术,例如:
- 继续预训练(Continued pretraining)
- 指令微调(Instruction tuning)
- 有监督微调(Supervised fine tuning,SFT)
- 基于人类反馈的强化学习(Reinforcement Learning from Human Feedback,RLHF)或直接偏好优化(Direct Preference Optimization,DPO)
这些技术的目标是什么?
对于语言模型来说,在进行微调时,从业者通常有两个主要目标:
- 知识注入(Knowledge injection):教会模型在解决问题时如何利用新的知识来源(在预训练期间不存在的知识)。