CN119537554A 基于低秩自适应矩阵和混合专家的多领域问答任务微调方法 (重庆邮电大学)_第1页
CN119537554A 基于低秩自适应矩阵和混合专家的多领域问答任务微调方法 (重庆邮电大学)_第2页
CN119537554A 基于低秩自适应矩阵和混合专家的多领域问答任务微调方法 (重庆邮电大学)_第3页
CN119537554A 基于低秩自适应矩阵和混合专家的多领域问答任务微调方法 (重庆邮电大学)_第4页
CN119537554A 基于低秩自适应矩阵和混合专家的多领域问答任务微调方法 (重庆邮电大学)_第5页
已阅读5页,还剩18页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于低秩自适应矩阵和混合专家的多领域本发明属于自然语言处理与参数高效微调句向量表示,对句向量使用K均值聚类算法获得类别数N;加载预训练语言模型,冻结原模型参数;在模型中指定的结构旁构建N个非对称的低2一层Transformer块中。所述多领域问答任务微调方法包括低秩自适应矩阵以及混合专家使用低秩自适应矩阵和混合专家模块的多领域问答S5:在模型的指定结构旁,通常是模型Transfor2.根据权利要求1所述的一种基于低秩自适应矩阵和混合专家的多领域问答任务微调3.根据权利要求2所述的一种基于低秩自适应矩阵和混合专家的多领域问答任务微调利用SentenceTransformers库加载指定句向量模型,抽取出训练集D所有样本的句向其中ci表示抽取过后的句向量,SentenceTransformersModel()表示加载过后的句向4.根据权利要求3所述的一种基于低秩自适应矩阵和混合专家的多领域问答任务微调35.根据权利要求4所述的一种基于低秩自适应矩阵和混合专家的多领域问答任务微调6.根据权利要求5所述的一种基于低秩自适应矩阵和混合专家的多领域问答任务微调低秩自适应矩阵的参数高效微调方法(LoRA)通过冻结预训练的模型权重并将可训练其中W0为冻结的原参数矩阵,woeR,ΔW为参数矩阵的更新,B和A是两个低秩的g单个秩分解矩阵不能学习多领域问答任务中不同子领g4有知识,Bi为每个专家独有以学习不同子领域专有知识。根据聚类类别数N,在每个Transformer块的前馈层(FFN)之间构建N个可训练低秩专家以7.根据权利要求6所述的种基于低秩自适应矩阵和混合专家的多领域问答任务微调方Input(S)=[CLS]问题+内容[SEg在训练过程中,路由模块通过可训练矩阵W向不同专家分配模型的输入,具体使用g每个前馈层(FFN)的输入x经由混合专家模块处理后再与经过冻结的参数矩阵的计算其中MoELoRAModel()表示应用了混合专家模块和低秩自适应矩阵预训练模型,x表示8.根据权利要求7所述的一种基于低秩自适应矩阵和混合专家的多领域问答任务微调5。6可训练的秩分解矩阵注入到Transformer架构的每一层中,大大减少了下游任务的可训练一种由专家模型和门控模型组成稀疏门控制的深度学习技术,MoE由多个子模型(即专家)家网络专门处理数据的不同任务或方面。LoRA的目标权重适应和MoE的专家驱动方法之间[0005]然而,传统的MoE框架并没有考虑到不同任务或者任务的不同领域之间存在的共结原模型参数;在模型中指定的结构旁构建N个非对称可训练的低秩专家模块以及可训练7模块将输入向量分配给不同专家模块,最后经过整个模型计算后将答案的准确率作为指8家选择方式从静态的top_K专家变成根据权重阈值动态选择多个专家,解决了混合专家在9[0054]其中ci表示抽取过后的句向量,SentenceTransformersModel()表示加载过后的[0057]步骤2:对于每个N值,计算聚类结果的总内部平方和(SSE,SumofSquared[0058]SSE=1Epec;lp-mI2g[0079]在训练过程中,路由模块通过可训练矩阵W向不同专家分配前馈层(FFN)的输入g[0085]每一层的输入经由混合专家处理后再与经过冻结冻结矩阵的结果合并输出到下集样本的句向量对应在聚类模型中的中心向量作为路由模块的输入,提高模型的泛

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论