对比lora优势是什么

[xiaozhu1106]

您好，有几点请教下；
1.预训练使用lora，也是只训练lora新增加的参数。那和lora对比优势是什么呢？
2.这种方式预训练时，避免遗忘，增加领域数据时，还需要增加适当的通用数据混合吗？
3.sft阶段，是使用的全参训练吧，那sft阶段还是避免不了遗忘呢

[hills-code]

1. 根据我们的经验lora并不能很好的进行预训练，更适合在sft进行训练；我们的方法在预训练下训练收敛的比lora更好（参数量更多，学到的也更多），我会在第三点再分析一下预训练和sft
2. 我们没有刻意用通用数据进行混合，但是我们关注到现有的领域数据集本身有加入一些通用语料，比方说我们用到的proof-pile-2，这个数据集里面就有一些通用语料，只用这些语料我们也做到了避免遗忘
3. sft阶段我们也用了全部参数进行训练，我们也试过只对新增加的层训练，效果接近，用全参数训练是希望我们的方法能够兼容通用的训练pipeline；sft方面我认为可能对遗忘的影响没那么大，可以参考这篇文章：The Unlocking Spell on Base LLMs: Rethinking Alignment via In-Context Learning. 我们认为sft的时候可能只是激发预训练学习到的知识，所以其实影响不大。这也是为什么lora可以很好的做sft，但是不适合做预训练