论文笔记：Tuning Language Models by Proxy

COLM 2024

1 INTRO

尽管大型预训练语言模型（如 GPT-4、LLAMA2 等）具有很强的通用能力，但它们仍然需要进一步的微调来更好地完成特定任务，比如：

• 遵循指令（instruction-following）

• 适应特定领域（如代码、法律等）

• 执行具体任务（如问答、数学推理）

问题是：

• 这些微调成本高昂，资源需求大；

• 对于闭源模型（如 GPT-4），用户甚至无法访问其参数，无法直接微调。

• 论文提出了Proxy-tuning

  • 一种 “推理时调整（decoding-time adaptation）” 的方法，不需要修改大模型的权重，仅需访问其 输出的 token 分布（logits）。

  • 基本思想是

    • 微调一个 小模型（称为 expert，专家模型）；

    • 将其与原始小模型（称为 anti-expert，反专家）对比；

    • 将它们的预测差异用于 引导大模型的输出，以模仿微调后模型的行为。

2 方法

• 假设我们有一个预训练模型，我们希望对它进行调优。
  • 对于任意输入，我们假设可以访问其对整个词表的输出 logits。
  • 我们的问题是：如何在不需要修改其参数的情况下，引导 表现得像一个已经被调优过的模型？
• 我们假设存在一个小型的预训练模型，我们将其直接微调，得到。
  • 注意， 不必与 属于同一个模型家族；我们只要求它们共享同一个词表。
  • Proxy-tuning 的运作方式是：在大模型的输出分布上，为每个 token 加上一个 logit 偏移量，这个偏移量由 与 的 logits 差值决定。
• 

3 实验结果 

• 指令微调（Instruction-tuning）

  • 目标：让大模型（如 LLAMA2-13B, 70B）具备 LLAMA2-7B-Chat 那样的指令跟随能力。

  • 效果：

    • Proxy-tuning 缩小了 LLAMA2-13B 与其 Chat 版之间 91% 的性能差距；

    • 在 70B 上缩小了 88% 的差距；

    • 某些任务中甚至 超越了直接微调模型的效果（尤其是知识密集型任务），说明 proxy-tuning 保留了更多原始知识。

• 领域适应（Domain Adaptation）

  • 使用 CODELLAMA-7B 引导 LLAMA2-13B 向编程任务迁移；

  • 在代码基准测试中，提升了 17–32% 的准确率。

• 任务微调（Task Finetuning）

  • 应用于问答、数学推理等；

  • Proxy-tuned LLAMA2-70B 比原始 70B 提升了 31%；

  • 同时也超过了微调的 7B 模型 9%，说明结合大模型的知识和小模型的专长是有效的。