MOELoRA —— 多任务医学应用中的参数高效微调方法

本文主要是介绍MOELoRA —— 多任务医学应用中的参数高效微调方法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

人工智能咨询培训老师叶梓转载标明出处

在医疗场景中，LLMs可以应用于多种不同的任务，如医生推荐、诊断预测、药物推荐、医学实体识别、临床报告生成等。这些任务的输入和输出差异很大，给统一模型的微调带来了挑战。而且LLMs的参数众多，导致微调过程中时间和计算资源的消耗巨大。针对这些问题，来自西安交通大学、香港城市大学、腾讯YouTu Lab等机构的研究者们提出了一种新颖的参数高效微调框架——MOELoRA。它结合了多任务学习和参数高效微调的优点，通过设计多个专家（Experts）作为可训练参数，每个专家由一对低秩矩阵组成，以保持可训练参数的数量较小。研究者还提出了一种任务驱动的门控函数，用于调节每个专家的贡献，并为不同任务生成不同的参数。

论文链接：https://arxiv.org/pdf/2310.18339

项目链接： https://github.com/liuqidong07/MOELoRA-peft

方法

图3 为使用MOELoRA进行LLMs参数高效微调和推理过程。在参数高效微调领域，LoRA方法引入了仅训练两个低秩矩阵来替代密集层更新的概念。基于此本方法将MOELoRA层集成到每个密集层中，使它们能够获取键、查询和值，同时促进前馈网络（FNN）的运作。图3中以FNN为例进行说明。该方法的一个显著优势是，研究者只为不同任务微调MOELoRA层的参数，而保持原始LLMs的其他参数不变。另外每个MOELoRA层包含多个专家，这些专家旨在捕获不同医学任务的多样化知识。研究者引入了一个任务驱动的门控函数，以确保为每个任务学习到独特的参数集。这个函数决定了所有MOELoRA层中专家的贡献权重，从而生成针对不同任务量身定制的独特更新参数。研究者为所有MOELoRA层使用单个门控函数，而不是让门控函数与MOELoRA层一一对应。在微调过程中，研究者更新来自所有任务混合数据的MOELoRA层。然后，在推理过程中，MOELoRA可以为每个任务派生出不同的微调权重。

LoRA方法在LLMs的微调中展示了其有效性和效率。它受到低内在维度特性的启发，将LLMs中的参数微调过程重新定义为低秩分解。具体而言方程式W_0+ΔW=W+BA捕捉了这种分解。这里，代表预训练LLMs的参数矩阵，而表示在微调过程中更新的矩阵。矩阵B∈和是低秩且可训练的。给定这样的设置，与LoRA层配对的线性层的前向过程可以表示为：

其中，x代表维度为d_in的输入向量，ℎ是维度为d_out的输出向量。可训练低秩矩阵的秩由r表示，它决定了可训练参数的数量。常数超参数α促进了秩r的调整。在LoRA微调过程中，LLMs中的所有参数保持不变。只有低秩矩阵A和B会进行微调。鉴于r≪d_in且r≪d_out，A和B中的参数总数比W_0中的要少得多。这样的特性使得微调过程实现了参数效率。然而，原始LoRA中所有任务的集成参数微调会导致学习医学知识各个方面的困难。一个潜在的解决方案是将整个参数集分割成几个部分，并为各种任务得出不同的组合。专家混合模型（MOE）建议使用多个专家网络来捕获多任务信息的不同方面，这与组合概念相符。这一洞见引导研究者设计了MOELoRA，它无缝集成了LoRA和MOE的优势。为了协调LoRA和MOE的不同前向过程，研究者引入了一组专家来学习更新矩阵ΔW。由于MOELoRA使用来自所有任务的数据对专家进行微调，它内在地捕获了共享任务知识。为了保持紧凑的参数大小，MOELoRA层中的每个专家都构建为两个分解的低秩矩阵。基于这种结构，对于来自任务T_j的样本，与MOELoRA层配对的线性层的前向过程表示为：

其中，h_j和x_j代表来自T_j的中间LLM层的输入和输出。矩阵和形成专家E_i。超参数N表示MOELoRA中的专家数量，对于每个专家，矩阵A和B的秩是r/N。在方程(4)中，术语调节这些贡献权重，用于任务T_j。这个权重由研究者提出的门控函数确定。这里，研究者将讨论LoRA和MOELoRA的可训练参数数量。就LoRA而言，两个低秩矩阵和包含所有可训练参数。因此，LoRA的可训练参数数量是=。至于MOELoRA，有N个可训练专家，每个专家拥有，所以总数计算为。总之，MOELoRA具有与LoRA相同数量的可训练参数，这表明了高效率。

如前所述，每个专家的贡献应该针对特定任务进行定制。为了调节这些贡献，研究者引入了一个门控函数。由于这些权重本质上是任务特定的，研究者的门控函数被设计为将任务身份作为输入。研究者采用了一个任务嵌入矩阵，记为，其中d_T代表任务嵌入的维度。确定任务T_j后，研究者提取E的第j列，作为该任务的表示向量，记为。为了确定任务T_j的贡献权重，研究者应用线性变换。这一计算被以下方程捕获：

这里，代表为任务T_j量身定制的贡献权重向量。变换矩阵记为。为了防止权重过大，研究者采用softmax操作来归一化贡献权重。图3中提到的门控自然是一个密集设计，以结合所有专家。研究者还设计了一个稀疏版本的任务驱动门控，以探索哪种设计更有效。设计的稀疏门控如下公式：

与传统的MOE设计直接将输入向量x输入门控函数不同，研究者的方法不同。研究者仅将任务身份输入门控函数，如图3所示，旨在为每个任务产生一组独特的模型参数。例如，如果某人希望恢复任务T_j的微调参数，则该过程可以表述为：

如果门控函数由输入向量x驱动，权重向量将因样本而异。这意味着每个样本将拥有其独特的ω_j，导致特定于样本的微调参数矩阵。这种设计将使参数无法按任务恢复。能够为每个任务恢复参数提供了两个主要优势：

1) 任务定制：每个任务都使用一组参数进行微调，这有助于学习更多任务特定的信息并缓解数据不平衡问题。

2) 推理效率：恢复的微调LLMs表现出降低的推理延迟。这归因于消除了与MOELoRA层相关的额外前向计算的需要。

研究者也在算法1中总结了整个过程：

微调：研究者首先根据LLMs中指定的层和几个超参数配置MOELoRA（第1-3行）。然后，对于参数高效微调，所有预训练的LLMs中的参数（第4行）都被冻结。在微调过程中，研究者迭代地从所有任务中随机抽取一批数据，而不是像一些多任务研究那样将来自同一任务的样本分到一个批次中。研究者通过实验中的性能比较选择了随机抽样批次。使用这批数据，研究者可以进行前向过程并计算微调的损失（第6-7行）。对于参数更新，研究者只微调MOELoRA和任务驱动门控函数的参数，即。

推理：MOELoRA可以通过方程(8)为每个任务恢复微调的参数矩阵。对于推理，首先恢复每个任务的微调参数（第10-13行），这表明每个任务都有自己的LLMs参数。可以应用相应的LLMs来完成指定的任务。

想要掌握如何将大模型的力量发挥到极致吗？叶老师带您深入了解 Llama Factory —— 一款革命性的大模型微调工具。9月22日晚，实战专家1小时讲解让您轻松上手，学习如何使用 Llama Factory 微调模型。

加助理微信提供直播链接：amliy007，29.9元即可参加线上直播分享，叶老师亲自指导，互动沟通，全面掌握Llama Factory，关注享粉丝福利，限时免费CSDN听直播后的录播讲解。
LLaMA Factory 支持多种预训练模型和微调算法。它提供灵活的运算精度和优化算法选择，以及丰富的实验监控工具。开源特性和社区支持使其易于使用，适合各类用户快速提升模型性能。

实验

研究者在PromptCBLUE数据集上进行实验，这是一个多任务中文医疗数据集，在天池竞赛平台上提供。该数据集包含16个不同的医疗任务，每个任务都使用特定的提示转换为纯文本格式，确保与LLMs兼容。由于计算限制，研究者随机选择了8个任务进行实验。在预处理中，他们从原始数据集中删除了重复样本。由于竞赛中使用的测试集尚未发布，研究者选择使用开发集作为测试集。然后，实验的验证集从竞赛的训练集中得出，其大小与测试集匹配。数据集的统计信息在表1中总结。

研究者将MOELoRA与四组不同的基线进行比较：

未微调的LLMs：使用In-Context Learning来指导LLMs完成任务。
微调的LLMs：包括P-Tuning、LoRA (Full)、LoRA (Single)和LoRA (Full+TP)等策略。
模型编辑：Task-Arithmetic方法。
跨任务泛化：评估LoRAHub和MoLoRA方法。

实验使用PyTorch 1.12.0和Python 3.9.5进行模拟，代码在Tesla V100 32G GPU上运行以加速。ChatGLM-6B作为微调的基础模型。对于所有LoRA微调基线和提出的MOELoRA，指定了可训练层。输入和输出长度分别配置为1,024和196。批量大小设置为64，最多8,000个训练步骤。LoRA的秩𝑟固定为16，LoRA dropout 𝛼 = 0.1。对于MOELoRA，专家数量设置为8。

研究者采用多种指标来评估每个任务的性质。例如，CMeIE任务使用Micro-F1，而CHIP-CTC和KUAKE-QIC任务使用Macro-F1。对于文本生成任务，如IMCS-V2-MRG和MedDG，应用Rouge-L。所有任务的平均分数用于评估整体性能。

表2展示了MOELoRA与竞争基线的整体实验结果。MOELoRA(D)和MOELoRA(S)分别代表MOELoRA的密集和稀疏门控设计。分析所有任务的平均分数，MOELoRA(D)在所有方法中表现最佳：

未微调的LLMs：明显落后于其他组，突出了微调LLMs以融入特定任务医学知识的重要性。
参数高效微调策略：LoRA基础方法明显优于P-Tuning。LoRA (Full)和LoRA (Full+TP)都利用所有任务的数据，但LoRA (Full+TP)略逊一筹，可能归因于任务提示的添加，导致输入文本的扩展，可能由于输入长度限制而截断信息词。
模型编辑：Task-Arithmetic明显落后于所有微调竞争对手。
跨任务泛化：尽管在跨任务泛化设置中表现令人印象深刻，但它们需要大量任务数据，这与多任务设置相冲突。

表3中展示了消融研究的结果。没有MOE架构的变体（即LoRA(Full)）表现较差，强调了MOE架构的重要性。同样，没有门控功能的变体也落后于MOELoRA，突出了门控功能的有效性。多个门控功能的变体由于过度参数化而表现稍差。

为了回答RQ3，研究者探讨了超参数对MOELoRA(D)性能的影响。特别是，专家数量𝑁和LoRA秩𝑟的变化如何影响结果。发现随着𝑁从0增加到8，性能得到改善，但当𝑁增加到16时，性能略有下降。同时，增加𝑟可以提高性能，但也会导致可训练参数数量的增加。

为了评估训练和推理效率，研究者在图5中比较了可调参数的比例和推理延迟。MOELoRA在训练和推理效率方面与LoRA (Full)相当，通过训练不超过LLMs的0.48%参数来节省资源。MoLoRA和MOELoRA(M)需要更多的可训练参数，因为它们为每个可训练的低秩层设置了额外的门控。在推理方面，所有模型都需要相同的推理延迟，除了MoLoRA，因为它无法像方程(8)那样恢复微调参数，所以需要在推理时伴随MoLoRA层，导致额外的前向计算引起的更多推理延迟。