Amuro and Char: Analyzing the Relationship between Pre-Training and Fine-Tuning of Large Language Models

要約

大規模な言語モデルの開発は、一般的に大規模なテキストコーパスでモデルを事前学習し、人間の嗜好や下流タスクにモデルを合わせるためのチューニング段階を経る、事前学習-調整-調整というパラダイムを形成する。本研究では、複数の中間的な事前訓練モデルのチェックポイントを微調整することで、事前訓練と微調整の関係を調査する。18のデータセットに対する我々の結果は、i)継続的な事前訓練は、微調整後に明らかになる潜在的な方法でモデルを改善する。 ii)追加的な微調整により、モデルが能力を発揮しないデータセットは、事前訓練段階でモデルが良好な性能を発揮するデータセットよりもはるかに多くの利益を得る；iii) 教師ありのファインチューニングによってモデルは大きな恩恵を受けるが、以前に知られていたドメイン知識や、ファインチューニング中に見られなかったタスクを忘れてしまう可能性がある。

要約(オリジナル)

The development of large language models leads to the formation of a pre-train-then-align paradigm, in which the model is typically pre-trained on a large text corpus and undergoes a tuning stage to align the model with human preference or downstream tasks. In this work, we investigate the relationship between pre-training and fine-tuning by fine-tuning multiple intermediate pre-trained model checkpoints. Our results on 18 datasets suggest that i) continual pre-training improves the model in a latent way that unveils after fine-tuning; ii) with extra fine-tuning, the datasets that the model does not demonstrate capability gain much more than those that the model performs well during the pre-training stage; iii) although model benefits significantly through supervised fine-tuning, it may forget previously known domain knowledge and the tasks that are not seen during fine-tuning; iv) the model resembles high sensitivity to evaluation prompts after supervised fine-tuning, but this sensitivity can be alleviated by more pre-training.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL