Oossa

NormTune به بهبود ریزتنظیم کم‌هزینه برای ریاضی و استدلال کمک می‌کند

پژوهشگران با افزودن گامی مبتنی بر نُرم به ریزتنظیم کم‌پارامتر، فاصله عملکرد را در چند آزمون استدلال با ریزتنظیم کامل از میان بردند.

خبر کوتاهنویسنده: منتشرشده توسط Oossa: 1 دقیقه مطالعه

مقاله NormTune یک افزونه ساده برای ریزتنظیم کم‌پارامتر (PEFT) پیشنهاد می‌کند. این روش میزان تغییر وزن‌های هر لایه را بررسی می‌کند و به لایه‌هایی که تغییر کمی دارند، وزن بیشتری می‌دهد. افزودن NormTune به روش‌های رایج PEFT مانند LoRA، Bone و MoRA، دقت میانگین را در آزمون‌های دشوار استدلالی مثل AIME و MATH تا 24 ٪ افزایش داد. در رتبه بالاتر (256)، روش‌های تقویت‌شده با NormTune به عملکرد ریزتنظیم کامل رسیدند و گاهی چند درصد هم از آن بهتر عمل کردند.

چرا مهم است

این روش به پژوهشگران و توسعه‌دهندگان امکان می‌دهد در کارهای استدلالی، با زمان و حافظه بسیار کمترِ GPU، به دقتی نزدیک به ریزتنظیم کامل مدل برسند.

آیا این مقاله مفید بود؟
اشتراک‌گذاری

بیشتر بخوانید

Oossa · خبرنامه

هفتهٔ هوش مصنوعی، به زبان ساده

هر دوشنبه: خبرهایی که ارزش دانستن دارند، به زبان ساده. رایگان و بدون هرزنامه.