趋近智
大语言模型微调入门
章节 1: 模型定制的根基
什么是微调？
预训练与微调的比较
何时进行微调：一个分析体系
微调策略概述
迁移学习在大型语言模型中的作用
配置开发环境
章节 2: 用于微调的数据准备
获取和选择高质量数据集
指令式与对话式数据格式
数据清洗和预处理技术
构建和组织定制数据集
用于微调的分词
动手实践：构建微调数据集
章节 3: 全参数微调
全参数微调的工作原理
全参数微调的架构考量
计算资源管理
配置训练参数及超参数
监控训练：损失与指标
保存和加载精调模型
实践：小型模型上的全参数微调
章节 4: 参数高效微调 (PEFT)
参数高效微调概述
低秩适应（LoRA）：原理与运作
使用PEFT库实现LoRA
量化及其对微调的影响 (QLoRA)
其他PEFT方法：概述
PEFT与完全微调的优劣对比
动手实践：使用 LoRA 进行微调
章节 5: 评估与部署
界定生成型任务的性能指标
定量评估：ROUGE、BLEU 和困惑度
定性评估：人工参与评估
构建评估流程
将适配器与基础模型合并的方法
为推理准备模型
实践：评估微调模型
动手实践：构建微调数据集
这部分内容有帮助吗？
- Hello Dolly: Democratizing Generative AI, The Databricks Team, 2023 Databricks Blog (Databricks) - 介绍了
databricks-dolly-15k数据集、其创建方法及其在开源指令遵循大型语言模型中的作用。 - The 🤗 Datasets Library Documentation, Hugging Face, 2024 Hugging Face Documentation - Hugging Face
datasets库的官方文档，涵盖数据加载、处理和管理，这对构建微调数据集至关重要。 - Tokenization in 🤗 Transformers, Hugging Face, 2024 Hugging Face Documentation (Hugging Face) - Hugging Face
transformers库中令牌化的指南，解释了其在为大型语言模型准备文本数据方面的实际用法。 - Finetuned Language Models Are Zero-Shot Learners, Jason Wei, Maarten Bosma, Vincent Y. Zhao, Kelvin Guu, Adams Wei Yu, Brian Lester, Nan Du, Andrew M. Dai, Quoc V. Le, 2021 arXiv (arXiv) DOI: 10.48550/arXiv.2109.01652 - 一篇关于指令微调的基础论文，展示了如何通过结构化任务进行微调，从而提高语言模型的泛化能力。