In-Context Learning State Vector with Inner and Momentum Optimization

要約

大規模言語モデル (LLM) は、ほんの少数の例からインコンテキスト学習 (ICL) を実行する優れた能力を示しています。
最近の研究では、ICL によって学習された関数が、変換器から得られる圧縮ベクトルを通じて表現できることが示されています。
ただし、これらのベクターの動作メカニズムと最適化については、まだ十分に調査されていません。
この論文では、これらの圧縮ベクトルの包括的な分析を提示し、勾配降下法でトレーニングされたパラメーターとの類似点を示し、状態ベクトルの概念を導入することで、このギャップに対処します。
モデル スープと運動量ベースの勾配降下法に関する研究からインスピレーションを得て、テスト時適応として状態ベクトルを段階的に改良するために適用される内部最適化手法と運動量最適化手法を提案します。
さらに、多数の例を含むデモンストレーションは通常、通常の ICL では長すぎるため、複数の例の設定で状態ベクトル集約をシミュレートし、この課題に対処するための分割統治型集約手法をさらに提案します。
私たちは、Llama-2 と GPT-J をゼロショット設定と少数ショット設定の両方で使用して広範な実験を行っています。
実験結果は、私たちの最適化手法が状態ベクトルを効果的に強化し、さまざまなタスクで最先端のパフォーマンスを達成することを示しています。
コードは https://github.com/HITsz-TMG/ICL-State-Vector で入手できます。

要約(オリジナル)

Large Language Models (LLMs) have exhibited an impressive ability to perform In-Context Learning (ICL) from only a few examples. Recent works have indicated that the functions learned by ICL can be represented through compressed vectors derived from the transformer. However, the working mechanisms and optimization of these vectors are yet to be thoroughly explored. In this paper, we address this gap by presenting a comprehensive analysis of these compressed vectors, drawing parallels to the parameters trained with gradient descent, and introduce the concept of state vector. Inspired by the works on model soup and momentum-based gradient descent, we propose inner and momentum optimization methods that are applied to refine the state vector progressively as test-time adaptation. Moreover, we simulate state vector aggregation in the multiple example setting, where demonstrations comprising numerous examples are usually too lengthy for regular ICL, and further propose a divide-and-conquer aggregation method to address this challenge. We conduct extensive experiments using Llama-2 and GPT-J in both zero-shot setting and few-shot setting. The experimental results show that our optimization method effectively enhances the state vector and achieves the state-of-the-art performance on diverse tasks. Code is available at https://github.com/HITsz-TMG/ICL-State-Vector

arxiv情報

提供元, 利用サービス

arxiv.jp, Google