PEFT 的缘由

对大型语言模型（LLM）进行专业化处理的传统方法是完全微调（FFT），即使用任务特定数据更新所有模型参数。尽管此方法有效，但它带来了巨大的运行难题，尤其是在模型规模持续增长至数千亿甚至数万亿参数时。这些难题构成了研究参数高效微调（PEFT）技术的主要原因。

完全微调的负担

完全微调在多个方面带来了显著负担：

1. 计算开销： 更新大型 LLM 中的每个参数需要大量的计算资源。训练时需要计算所有权重的梯度，这在反向传播过程中涉及大量的矩阵乘法。为数十亿参数存储和更新优化器状态（如 Adam 的动量）会进一步增加计算负荷。这直接导致高 GPU/TPU 使用率、漫长的训练时间和巨大的能耗。例如，微调像 GPT-3（1750 亿参数）这样的模型需要庞大的分布式训练基础设施。

2. 内存需求： FFT 期间的内存占用通常是难以承受的。不仅是模型权重需要适应加速器内存（VRAM）；前向传播期间计算的激活值（梯度计算所需）、梯度本身以及优化器状态也都需要。对于大型模型，即使采用混合精度训练（例如 FP16 或 BF16），这些需求也容易超出商用 GPU 的容量，从而需要复杂的模型并行策略，这会进一步增加工程的复杂性。训练期间内存消耗的简化视图可能如下所示：

   $$\text{内存} \approx \text{模型参数} + \text{优化器状态} + \text{梯度} + \text{激活}$$

   对于 AdamW 等优化器，仅优化器状态通常就需要模型参数两倍的内存（用于存储一阶和二阶动量）。

3. 存储成本： 最直接的问题可能出现在为多个下游任务调整单个预训练 LLM 时。使用 FFT，每个任务特定模型都是原始 LLM 的完整副本，尽管权重略有修改。如果您需要为 10 个不同任务部署微调版本，则必须存储 10 个独立的数十亿参数模型实例。一个以 BF16 精度存储的 700 亿参数模型大约需要 140GB。管理 10 个这样的模型将需要 1.4TB 的存储空间，这是一个巨大的运行开销。

估计 10 个任务特定版本的 700 亿参数模型（BF16 精度下约 140GB）所需的存储空间，对比完全微调与 PEFT（假设 PEFT 模块约占总参数的 0.1%，每个约 100MB）。注意 Y 轴的对数刻度突出显示了巨大的差异。完全微调需要存储 10 个完整模型（1400 GB），而 PEFT 需要存储一个基础模型加上 10 个小型模块（140 GB + 10 * 0.1 GB ≈ 141 GB）。

4. 灾难性遗忘： 当预训练模型的所有参数在一个狭窄的任务特定数据集上更新时，模型可能会失去其在大量预训练阶段获得的部分通用知识和能力。这种现象被称为灾难性遗忘，它会降低模型在特定微调分布之外的任务上的性能。虽然在 FFT 期间存在减轻这种现象的方法，但这仍然是一个重要的顾虑。

PEFT 作为一种高效替代方案

参数高效微调方法通过从根本上改变适应方式，直接解决了这些局限。PEFT 技术通常不修改所有参数，而是包括：

• 冻结预训练权重： 原始 LLM 绝大多数参数被冻结，在微调期间不进行更新。
• 定向更新： 只有少量参数被训练。这些参数可以是：
  • 原始参数的一个小部分。
  • 添加到模型架构中的一小组新参数（例如，适配器层、提示嵌入）。

这种定向方法带来了几个令人信服的优点：

• 降低计算和内存开销： 由于梯度和优化器状态仅需要总参数的极小一部分（通常小于 1%），微调的计算成本和内存占用都大幅降低。这使得在要求较低的硬件（例如，单个 GPU）上微调大型模型成为可能，并显著缩短了训练时间。
• 最小存储开销： 核心预训练模型保持不变。对于每个新任务，只需要存储少量更新的或新增的参数。这使得存储问题从管理多个 TB 级别模型转变为管理一个基础模型加上众多 MB 级别的“增量”或适配器权重，如上图所示。
• 减轻灾难性遗忘： 通过冻结模型的大部分，PEFT 自然保留了预训练期间学习到的通用知识。调整侧重于通过可训练参数学习任务特定偏差，降低了覆盖基础能力的风险。
• 简化部署： 通过将单个基础模型加载到内存中，并根据传入请求动态加载或替换小的 PEFT 模块，可以实现为多个任务提供服务。与托管大量独立的超大模型相比，这极大地简化了模型管理和部署基础设施。

适应策略的对比。完全微调为每个任务创建完整、独立的模型副本。PEFT 则维护一个基础模型，并添加小的任务特定模块，从而显著减少存储和潜在的计算需求。

PEFT 本质上提供了一种实用且高效的途径，用于为各种应用定制基础模型，同时避免了与完全微调相关的过高成本。接下来的部分将审视 Adapters、基于提示的方法、LoRA 和 QLoRA 等流行 PEFT 方法的具体机制，详细说明它们如何在保持下游任务高性能的同时实现这些效率。