Parameter-Efficient Sparsity Crafting from Dense to Mixture-of-Experts for Instruction Tuning on General Tasks

要約

大規模言語モデル (LLM) は、一般的な自然言語処理 (NLP) タスクにおいてかなりの熟練度を示しています。
成功したパラダイムである命令チューニングは、自然言語命令に従う LLM の能力を強化し、幅広いタスクにわたって堅牢な一般化を示します。
ただし、これらのモデルは、モデルの容量に制約があるため、複数のタスクにわたってパフォーマンスの制限に遭遇することがよくあります。
命令調整フェーズ中にこの容量を拡張することは、重大な課題を引き起こします。
この問題に対処するために、Mixture of Experts (MoE) アーキテクチャを使用して密なモデルを疎なモデルに移行する新しいアプローチである Parameter-Efficient Sparsity Crafting (PESC) を導入します。
PESC はアダプターを疎モデルの MoE レイヤーに統合し、これらのレイヤー内の個々の重みを変更することなく専門家を差別化します。
この方法では、計算コストと GPU メモリ要件が大幅に削減され、挿入されたアダプターによるパラメーターの増加を最小限に抑えてモデルの容量拡張が容易になります。
私たちの経験的評価は、PESC 手法の有効性を実証しています。
命令チューニング中に PESC を使用することにより、Camelidae と呼ばれる当社のスパース モデルは、他のすべてのオープンソース スパース モデルよりも優れたパフォーマンスを発揮し、GPT3.5 と比較して優れた一般的な機能を示します。

要約(オリジナル)

Large Language Models (LLMs) have demonstrated considerable proficiency in general natural language processing (NLP) tasks. Instruction tuning, a successful paradigm, enhances the ability of LLMs to follow natural language instructions and exhibit robust generalization across a wide range of tasks. However, these models often encounter performance limitations across multiple tasks due to constrained model capacity. Expanding this capacity during the instruction tuning phase poses significant challenges. To address this issue, we introduce a novel approach, Parameter-Efficient Sparsity Crafting (PESC), which transitions dense models to sparse models using a Mixture of Experts (MoE) architecture. PESC integrates adapters into the MoE layers of sparse models, differentiating experts without altering the individual weights within these layers. This method significantly reduces computational costs and GPU memory requirements, facilitating model capacity expansion through a minimal increase in parameters via the inserted adapters. Our empirical evaluation demonstrates the effectiveness of the PESC method. Using PESC during instruction tuning, our sparse models, dubbed Camelidae outperform all other opensource sparse models and exhibit superior general capabilities compared to GPT3.5.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google