在災難推文分析場景上比較用 LoRA 微調 Roberta、Llama 2 和 Mistral 的過程及表現

引言

自然語言處理 (NLP) 領域的進展日新月異，你方唱罷我登場。因此，在實際場景中，針對特定的任務，我們經常需要對不同的語言模型進行比較，以尋找最適合的模型。本文主要比較 3 個模型: RoBERTa、Mistral-7B 及 Llama-2-7B。我們用它們來解決一個常見問題 —— 對災難相關的推文進行分類。值得注意的是，Mistral 和 Llama 2 是 70 億引數的大模型。相形之下，RoBERTa-large (355M 引數) 只是一個小模型，我們用它作為比較的基線。

本文，我們使用 PEFT (Parameter-Efficient Fine-Tuning，引數高效微調) 技術: LoRA (Low-Rank Adaptation，低秩適配) 來微調帶序列分類任務頭的預訓練模型。LoRA 旨在顯著減少可訓引數量，同時保持強大的下游任務效能。

本文的主要目標是通過對 Hugging Face 的三個預訓練模型進行 LoRA 微調，使之適用於序列分類任務。這三個預訓練模型分別是: meta-llama/Llama-2-7b-hf、mistralai/Mistral-7B-v0.1 及 roberta-large。

使用的硬體

• 節點數: 1
• 每個節點的 GPU 數: 1
• GPU 型別: A6000
• GPU 視訊記憶體: 48GB

目標

• 使用 LoRA PEFT 方法對預訓練 LLM 進行微調。
• 瞭解如何使用 Hugging Face 的各種 API (transformers、peft 以及 datasets)。
• 使用 Weights & Biases 進行超參調優以及實驗紀錄檔記錄。

軟體依賴

datasets
evaluate
peft
scikit-learn
torch
transformers
wandb

注意: 要準確重現本文結果，請注意確保軟體版本與 wandb 報告 的一致。

預訓練模型

RoBERTa

RoBERTa (Robustly Optimized BERT Approach) 是 Meta AI 研究團隊提出的改進版 BERT 模型。BERT 是一種基於 transformer 的語言模型，其基於自注意力機制對單詞進行上下文感知的表徵，並基於掩碼語言模型目標進行訓練。請注意，BERT 作為編碼器模型，僅可用於自然語言理解任務 (例如序列分類和詞元分類)。

RoBERTa 是一種流行的可微調模型，很適合作為我們實驗的基線。欲瞭解更多資訊，你可以查閱其 Hugging Face 模型卡。

Llama 2

Llama 2 (Large Language Model Meta AI) 是 Meta AI 推出的一系列大語言模型 (LLM)，其模型大小各異，引數量從 70 億到 650 億不等。

Llama 2 是一種基於 transformer 解碼器架構的自迴歸語言模型。Llama 2 接受單詞序列作為輸入，並基於滑動視窗迭代預測下一個詞元，從而實現文字生成的功能。

Llama 2 的架構與 GPT-3 等模型略有不同。舉幾個例子，Llama 2 採用 SwiGLU 啟用函數而不是 ReLU，另外其位置嵌入使用的是旋轉位置嵌入而不是可訓絕對位置嵌入。

最近釋出的 Llama 2 還對架構進行了改進，其將支援的最大上下文長度擴充套件到 4096 個詞元，並使用分組查詢注意 (grouped-query attention，GQA) 解碼機制來更好地利用長序列。

Mistral 7B

Mistral 7B v0.1 有 73 億個引數，是 Mistral AI 推出的第一個 LLM。

Mistral 7B 架構使用的新技術主要有:

• 滑窗注意力: 用基於滑動視窗的注意力替換完整注意力 (平方級計算成本)，其中每個詞元最多可以關注上一層的 4096 個詞元 (線性計算成本)。這樣，多層以後，Mistral 7B 的實際關注詞元數會疊加，因此更高層的注意力實際關注的總歷史詞元數會超過 4096。
• 分組查詢注意力: Llama 2 也使用了該技術，其通過快取先前解碼的詞元的鍵向量和值向量來優化推理過程 (減少處理時間)。

LoRA

PEFT (Parameter Efficient Fine-Tuning，引數高效微調) 包含 p-tuning、字首微調 (prefix-tuning) 、IA3、介面卡微調以及 LoRA 等一系列技術，其旨在通過僅微調大模型的一個小引數集，就能達到全模型微調的效能水平。

LoRA (Low-Rank Adaptation，低階適配) 的方法與新增適配層類似。其主要目標是減少模型的可訓引數量。LoRA 的主要做法是凍結預訓練權重，僅更新一個新增的低秩矩陣。

環境設定

RoBERTa 支援的最大序列長度為 512，為公平起見，對所有模型，我們統一設定 MAX_LEN=512 。

MAX_LEN = 512
roberta_checkpoint = "roberta-large"
mistral_checkpoint = "mistralai/Mistral-7B-v0.1"
llama_checkpoint = "meta-llama/Llama-2-7b-hf"

資料準備

資料載入

從 Hugging Face 載入資料集:

from datasets import load_dataset
dataset = load_dataset("mehdiiraqui/twitter_disaster")

將資料集分為訓練集和驗證集，同時載入測試集:

from datasets import Dataset
# 將資料集的訓練集劃分為訓練集和驗證集
data = dataset['train'].train_test_split(train_size=0.8, seed=42)
# 把劃分而得的測試集重新命名為驗證集
data['val'] = data.pop("test")
# 將原資料集的測試集仍作為測試集
data['test'] = dataset['test']

以下是資料集概覽:

DatasetDict({
    train: Dataset({
        features: ['id', 'keyword', 'location', 'text', 'target'],
        num_rows: 6090
    })
    val: Dataset({
        features: ['id', 'keyword', 'location', 'text', 'target'],
        num_rows: 1523
    })
    test: Dataset({
        features: ['id', 'keyword', 'location', 'text', 'target'],
        num_rows: 3263
    })
})

首先，檢查一下資料分佈:

import pandas as pd

data['train'].to_pandas().info()
data['test'].to_pandas().info()

• 訓練集

RangeIndex: 7613 entries, 0 to 7612
Data columns (total 5 columns):
 # Column Non-Null Count Dtype
--- ------ -------------- -----
 0 id 7613 non-null int64
 1 keyword 7552 non-null object
 2 location 5080 non-null object
 3 text 7613 non-null object
 4 target 7613 non-null int64
dtypes: int64(2), object(3)
memory usage: 297.5+ KB

• 測試集

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3263 entries, 0 to 3262
Data columns (total 5 columns):
 # Column Non-Null Count Dtype
--- ------ -------------- -----
 0 id 3263 non-null int64
 1 keyword 3237 non-null object
 2 location 2158 non-null object
 3 text 3263 non-null object
 4 target 3263 non-null int64
dtypes: int64(2), object(3)
memory usage: 127.6+ KB

訓練集中標籤分佈情況:

target
0 4342
1 3271
Name: count, dtype: int64

由於類別不平衡，我們計算一下正負類權重，以用於稍後的損失計算:

pos_weights = len(data['train'].to_pandas()) / (2 * data['train'].to_pandas().target.value_counts()[1])
neg_weights = len(data['train'].to_pandas()) / (2 * data['train'].to_pandas().target.value_counts()[0])

計算出的權重為:

POS_WEIGHT, NEG_WEIGHT = (1.1637114032405993, 0.8766697374481806)

接著，我們計算文字序列的最大長度:

# 字元數
max_char = data['train'].to_pandas()['text'].str.len().max()
# 詞數
max_words = data['train'].to_pandas()['text'].str.split().str.len().max()

The maximum number of characters is 152.
The maximum number of words is 31.

資料處理

以一條訓練資料為例:

data['train'][0]

{'id': 5285,
 'keyword': 'fear',
 'location': 'Thibodaux, LA',
 'text': 'my worst fear. https://t.co/iH8UDz8mq3',
 'target': 0}

該資料中包括關鍵字、位置和推文。為了簡單起見，我們選擇 text 特徵作為 LLM 的唯一輸入。

本階段的目標是為 LLM 微調準備所需的 Hugging Face 格式的訓練集、驗證集和測試集。然後是定義用於訓練的詞後設資料集，使用合適的分詞器將 text 特徵轉換為詞元 id 和注意力掩碼序列這兩個張量。由於每個模型都有其特定的分詞器，因此我們需要生成三個不同的資料集，每個模型一個。

我們首先定義 RoBERTa 模型的資料載入器:

• 載入與分詞:

from transformers import AutoTokenizer
roberta_tokenizer = AutoTokenizer.from_pretrained(roberta_checkpoint, add_prefix_space=True)

注意: RoBERTa 分詞器經過訓練已將空格視為詞元的一部分。因此，如果句子的第一個單詞前面沒有空格，則其編碼會有所不同。為了確保第一個單詞包含空格，我們設定 add_prefix_space=True 。同時，為了保持三個模型的預處理一致，我們將 Llama 2 和 Mistral 7B 的相應引數也設為 True 。

• 定義每條資料的預處理常式:

def roberta_preprocessing_function(examples):
    return roberta_tokenizer(examples['text'], truncation=True, max_length=MAX_LEN)

將預處理常式應用於訓練資料集的第一條資料，我們得到了分詞後的輸入 ( input_ids ) 及其注意力掩碼:

roberta_preprocessing_function(data['train'][0])

{'input_ids': [0, 127, 2373, 2490, 4, 1205, 640, 90, 4, 876, 73, 118, 725, 398, 13083, 329, 398, 119, 1343, 246, 2], 'attention_mask': [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1]}

• 現在，將預處理常式應用於整個資料集:

col_to_delete = ['id', 'keyword','location', 'text']
# 刪除不需要的列，並應用預處理常式
roberta_tokenized_datasets = data.map(roberta_preprocessing_function, batched=True, remove_columns=col_to_delete)
# 按照 HuggingFace 的要求，將 `target` 列  重新命名為 `label` 列
roberta_tokenized_datasets = roberta_tokenized_datasets.rename_column("target", "label")
# 資料集格式設為 "torch"
roberta_tokenized_datasets.set_format("torch")

注意: 我們從資料中刪除了不需要的列: id 、 keyword 、 location 及 text 。刪除 text 的原因是我們已經將其轉換為輸入 id 和注意力掩碼:

分詞後的訓練資料集中的資料如下:

roberta_tokenized_datasets['train'][0]

{'label': tensor(0),
 'input_ids': tensor([ 0, 127, 2373, 2490, 4, 1205, 640, 90, 4, 876,
            73, 118, 725, 398, 13083, 329, 398, 119, 1343, 246,
             2]),
 'attention_mask': tensor([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1])}

• 為了生成訓練 batch 資料，我們還需要對給定 batch 中的序列進行填充，以使 batch 中所有序列的長度都等於本 batch 最長序列的長度。為此，我們使用了 DataCollat​​orWithPadding 類:

# 資料整理器將所有資料統一填充至 batch 內最長序列的長度
from transformers import DataCollatorWithPadding
roberta_data_collator = DataCollatorWithPadding(tokenizer=roberta_tokenizer)

用相同的流程為 Mistral 7B 和 Llama 2 模型準備資料:

注意 Llama 2 和 Mistral 7B 沒有預設的 pad_token_id ，我們將其設為 eos_token_id 。

• Mistral 7B:

# 載入 Mistral 7B 分詞器
from transformers import AutoTokenizer, DataCollatorWithPadding
mistral_tokenizer = AutoTokenizer.from_pretrained(mistral_checkpoint, add_prefix_space=True)
mistral_tokenizer.pad_token_id = mistral_tokenizer.eos_token_id
mistral_tokenizer.pad_token = mistral_tokenizer.eos_token

def mistral_preprocessing_function(examples):
    return mistral_tokenizer(examples['text'], truncation=True, max_length=MAX_LEN)

mistral_tokenized_datasets = data.map(mistral_preprocessing_function, batched=True, remove_columns=col_to_delete)
mistral_tokenized_datasets = mistral_tokenized_datasets.rename_column("target", "label")
mistral_tokenized_datasets.set_format("torch")

# 序列填充
mistral_data_collator = DataCollatorWithPadding(tokenizer=mistral_tokenizer)

• Llama 2:

# 載入 Llama 2 分詞器
from transformers import AutoTokenizer, DataCollatorWithPadding
llama_tokenizer = AutoTokenizer.from_pretrained(llama_checkpoint, add_prefix_space=True)
llama_tokenizer.pad_token_id = llama_tokenizer.eos_token_id
llama_tokenizer.pad_token = llama_tokenizer.eos_token

def llama_preprocessing_function(examples):
    return llama_tokenizer(examples['text'], truncation=True, max_length=MAX_LEN)

llama_tokenized_datasets = data.map(llama_preprocessing_function, batched=True, remove_columns=col_to_delete)
llama_tokenized_datasets = llama_tokenized_datasets.rename_column("target", "label")
llama_tokenized_datasets.set_format("torch")

# 序列填充
llama_data_collator = DataCollatorWithPadding(tokenizer=llama_tokenizer)

至此，我們已經準備好了分詞後的資料集，下一節我們將討論如何載入預訓練 LLM 檢查點以及如何設定 LoRA 權重。

模型

RoBERTa

為分類任務載入 RoBERTa 檢查點

我們使用 Hugging Face AutoModelForSequenceClassification 類載入帶有序列分類頭的預訓練 RoBERTa 模型:

from transformers import AutoModelForSequenceClassification
roberta_model = AutoModelForSequenceClassification.from_pretrained(roberta_checkpoint, num_labels=2)

RoBERTa 分類器的 LoRA 設定

我們為 RoBERTa 分類器設定 LoRA 引數:

• TaskType: 序列分類
• r(rank): 分解矩陣的秩
• lora_alpha: 用於對習得權重進行縮放的 alpha 引數。LoRA 論文建議將 alpha 固定為 16
• lora_dropout: LoRA 層的 Dropout 概率
• bias: 是否向 LoRA 層新增偏置

以下程式碼使用了 LoRA 論文 的推薦設定。後文 我們還將用 wandb 對這些超參進行調優。

from peft import get_peft_model, LoraConfig, TaskType
roberta_peft_config = LoraConfig(
    task_type=TaskType.SEQ_CLS, r=2, lora_alpha=16, lora_dropout=0.1, bias="none",
)
roberta_model = get_peft_model(roberta_model, roberta_peft_config)
roberta_model.print_trainable_parameters()

可以看到，可訓引數量僅佔 RoBERTa 模型引數量的 0.64%:

trainable params: 2,299,908 || all params: 356,610,052 || trainable%: 0.6449363911929212

Mistral

為分類任務載入檢查點

載入帶有序列分類頭的預訓練 Mistral-7B 模型:

from transformers import AutoModelForSequenceClassification
import torch
mistral_model =  AutoModelForSequenceClassification.from_pretrained(
  pretrained_model_name_or_path=mistral_checkpoint,
  num_labels=2,
  device_map="auto"
)

設定填充詞元 id，因為 Mistral 7B 沒有預設填充詞元。

mistral_model.config.pad_token_id = mistral_model.config.eos_token_id

Mistral 7B 分類器的 LoRA 設定

對 Mistral 7B 模型而言，我們需要指定 target_modules (我們將其指定為注意力模組的查詢向量對映層和值向量對映層):

from peft import get_peft_model, LoraConfig, TaskType

mistral_peft_config = LoraConfig(
    task_type=TaskType.SEQ_CLS, r=2, lora_alpha=16, lora_dropout=0.1, bias="none",
    target_modules=[
        "q_proj",
        "v_proj",
    ],
)

mistral_model = get_peft_model(mistral_model, mistral_peft_config)
mistral_model.print_trainable_parameters()

可訓引數量僅佔 Mistral 模型引數量的 0.024%:

trainable params: 1,720,320 || all params: 7,112,380,416 || trainable%: 0.02418768259540745

Llama 2

為分類任務載入檢查點

載入帶有序列分類頭的預訓練 Llama 2 模型。

from transformers import AutoModelForSequenceClassification
import torch
llama_model =  AutoModelForSequenceClassification.from_pretrained(
  pretrained_model_name_or_path=llama_checkpoint,
  num_labels=2,
  device_map="auto",
  offload_folder="offload",
  trust_remote_code=True
)

設定填充詞元 id，因為 Llama 2 沒有預設填充詞元。

llama_model.config.pad_token_id = llama_model.config.eos_token_id

Llama 2 分類器的 LoRA 設定

使用與 Mistral 相同的 LoRA 引數:

from peft import get_peft_model, LoraConfig, TaskType
llama_peft_config = LoraConfig(
    task_type=TaskType.SEQ_CLS, r=16, lora_alpha=16, lora_dropout=0.05, bias="none",
    target_modules=[
        "q_proj",
        "v_proj",
    ],
)

llama_model = get_peft_model(llama_model, llama_peft_config)
llama_model.print_trainable_parameters()

可訓引數量僅佔 Llama 2 模型引數量的 0.12%:

trainable params: 8,404,992 || all params: 6,615,748,608 || trainable%: 0.1270452143516515

至此，我們定義了用於訓練的詞後設資料集及 LoRA 設定。下面，我們介紹如何使用 Hugging Face 的 Trainer 類啟動訓練。

設定 Trainer

評估指標

首先，我們定義用於對三個模型的效能進行比較的指標: F1 分數、召回率、精確度和準確度:

import evaluate
import numpy as np

def compute_metrics(eval_pred):
    # HF `evaluate` 包已支援我們所要的所有指標
    precision_metric = evaluate.load("precision")
    recall_metric = evaluate.load("recall")
    f1_metric= evaluate.load("f1")
    accuracy_metric = evaluate.load("accuracy")

    logits, labels = eval_pred
    # eval_pred 是模型返回的預測值和實際值元組
    predictions = np.argmax(logits, axis=-1)
    precision = precision_metric.compute(predictions=predictions, references=labels)["precision"]
    recall = recall_metric.compute(predictions=predictions, references=labels)["recall"]
    f1 = f1_metric.compute(predictions=predictions, references=labels)["f1"]
    accuracy = accuracy_metric.compute(predictions=predictions, references=labels)["accuracy"]

    # `Trainer` 要求將指標組織為一個字典，其鍵為指標名，值為分數。
    return {"precision": precision, "recall": recall, "f1-score": f1, 'accuracy': accuracy}

基於加權損失的自定義 Trainer

前文提到，資料集正負類分佈並不平衡。因此，我們用加權交叉熵損失來訓練模型以解決這個問題。 Trainer 類本身的實現中不支援自定義損失，因為它期望直接從模型的輸出中獲取損失。

因此，我們需要定義一個自定義的 WeightedCELossTrainer ，以重寫 compute_loss 方法，該方法可以根據模型的預測和標籤計算加權交叉熵損失:

from transformers import Trainer

class WeightedCELossTrainer(Trainer):
    def compute_loss(self, model, inputs, return_outputs=False):
        labels = inputs.pop("labels")
        # Get model's predictions
        outputs = model(**inputs)
        logits = outputs.get("logits")
        # Compute custom loss
        loss_fct = torch.nn.CrossEntropyLoss(weight=torch.tensor([neg_weights, pos_weights], device=model.device, dtype=logits.dtype))
        loss = loss_fct(logits.view(-1, self.model.config.num_labels), labels.view(-1))
        return (loss, outputs) if return_outputs else loss

Trainer 設定

我們為三個模型分別設定訓練超參及訓練器。

RoBERTa

第一步，把模型搬到 GPU 裝置上。

roberta_model = roberta_model.cuda()
roberta_model.device()

It will print the following:

device(type='cuda', index=0)

然後，設定訓練超參:

from transformers import TrainingArguments

lr = 1e-4
batch_size = 8
num_epochs = 5

training_args = TrainingArguments(
    output_dir="roberta-large-lora-token-classification",
    learning_rate=lr,
    lr_scheduler_type= "constant",
    warmup_ratio= 0.1,
    max_grad_norm= 0.3,
    per_device_train_batch_size=batch_size,
    per_device_eval_batch_size=batch_size,
    num_train_epochs=num_epochs,
    weight_decay=0.001,
    evaluation_strategy="epoch",
    save_strategy="epoch",
    load_best_model_at_end=True,
    report_to="wandb",
    fp16=False,
    gradient_checkpointing=True,
)

最後，我們將模型、訓練超參和詞後設資料集一起作為引數來範例化一個 RoBERTa 訓練器:

roberta_trainer = WeightedCELossTrainer(
    model=roberta_model,
    args=training_args,
    train_dataset=roberta_tokenized_datasets['train'],
    eval_dataset=roberta_tokenized_datasets["val"],
    data_collator=roberta_data_collator,
    compute_metrics=compute_metrics
)

Mistral-7B

與 RoBERTa 類似，我們用如下程式碼初始化 WeightedCELossTrainer :

from transformers import TrainingArguments, Trainer

mistral_model = mistral_model.cuda()

lr = 1e-4
batch_size = 8
num_epochs = 5

training_args = TrainingArguments(
    output_dir="mistral-lora-token-classification",
    learning_rate=lr,
    lr_scheduler_type= "constant",
    warmup_ratio= 0.1,
    max_grad_norm= 0.3,
    per_device_train_batch_size=batch_size,
    per_device_eval_batch_size=batch_size,
    num_train_epochs=num_epochs,
    weight_decay=0.001,
    evaluation_strategy="epoch",
    save_strategy="epoch",
    load_best_model_at_end=True,
    report_to="wandb",
    fp16=True,
    gradient_checkpointing=True,
)

mistral_trainer = WeightedCELossTrainer(
    model=mistral_model,
    args=training_args,
    train_dataset=mistral_tokenized_datasets['train'],
    eval_dataset=mistral_tokenized_datasets["val"],
    data_collator=mistral_data_collator,
    compute_metrics=compute_metrics
)

注意，我們需要將 fp16 設為 True 以啟用半精度訓練。主要原因是 Mistral-7B 很大，如果使用 fp32 精度，其權重無法放進單塊 GPU 的視訊記憶體 (48GB) 中。

Llama 2

與 Mistral 7B 類似，我們用如下程式碼定義訓練器:

from transformers import TrainingArguments, Trainer

llama_model = llama_model.cuda()

lr = 1e-4
batch_size = 8
num_epochs = 5
training_args = TrainingArguments(
    output_dir="llama-lora-token-classification",
    learning_rate=lr,
    lr_scheduler_type= "constant",
    warmup_ratio= 0.1,
    max_grad_norm= 0.3,
    per_device_train_batch_size=batch_size,
    per_device_eval_batch_size=batch_size,
    num_train_epochs=num_epochs,
    weight_decay=0.001,
    evaluation_strategy="epoch",
    save_strategy="epoch",
    load_best_model_at_end=True,
    report_to="wandb",
    fp16=True,
    gradient_checkpointing=True,
)

llama_trainer = WeightedCELossTrainer(
    model=llama_model,
    args=training_args,
    train_dataset=llama_tokenized_datasets['train'],
    eval_dataset=llama_tokenized_datasets["val"],
    data_collator=llama_data_collator,
    compute_metrics=compute_metrics
)

超參調優

我們用 Wandb Sweep API 通過貝葉斯搜尋策略來進行超參調優 (30 次執行)，待調優的超參搜尋空間如下:

方法	指標	lora_alpha	lora_bias	lora_dropout	lora_rank	lr	max_length
bayes	目標: maximize	分佈: categorical	分佈: categorical	分佈: uniform	分佈: categorical	分佈: uniform	分佈: categorical
	目標名: eval/f1-score	取值集合: -16 -32 -64	取值集合: None	-最大值: 0.1 -最小值: 0	取值集合: -4 -8 -16 -32	-最大值: 2e-04 -最小值: 1e-05	取值集合: 512

欲瞭解更多資訊，可以檢視 資源 一節中的 Wandb 實驗報告。

結果

模型	F1 分數	訓練時間	記憶體消耗	可訓引數量
RoBERTa	0.8077	538 秒	GPU1: 9.1 GB GPU2: 8.3 GB	0.64%
Mistral 7B	0.7364	2030 秒	GPU1: 29.6 Gb GPU2: 29.5 GB	0.024%
Llama 2	0.7638	2052 秒	GPU1: 35 GB GPU2: 33.9 GB	0.12%

總結

本文我們用 LoRA 對三個大語言模型 (LLM) (RoBERTa、Mistral 7B 及 Llama 2) 針對災難推文分類任務進行微調。從效能結果來看，RoBERTa 的效能大幅優於 Mistral 7B 和 Llama 2。這就提出了一個問題: 我們是否真的需要一個大而複雜的 LLM 來完成諸如短序列二分類這樣的簡單任務？

一個重要的啟示是，在選擇要使用的 LLM 模型時應該考慮具體的專案要求、可用資源和效能需求。

此外，對於針對短序列的相對 簡單 的預測任務，小的基礎模型 (例如 RoBERTa) 仍然具有競爭力。

最後，我們還通過例子展示了 LoRA 方法的通用性，其既可應用於編碼器 (RoBERTa) 模型，還可應用於解碼器 (Llama 2 及 Mistral 7B) 模型。

資源

1. 本文程式碼均已在該 Github 專案。
2. 下面是各模型的 Wandb 超參調優實驗報告:

• RoBERTa
• Mistral 7B
• Llama 2

---

英文原文: https://hf.co/blog/Lora-for-sequence-classification-with-Roberta-Llama-Mistral

原文作者: Mehdi Iraqi

譯者: Matrix Yao (姚偉峰)，英特爾深度學習工程師，工作方向為 transformer-family 模型在各模態資料上的應用及大規模模型的訓練推理。