最近这一两周看到不少互联网公司都已经开始秋招提前批了。

不同以往的是，当前职场环境已不再是那个双向奔赴时代了。求职者在变多，HC 在变少，岗位要求还更高了。

最近，我们又陆续整理了很多大厂的面试题，帮助一些球友解惑答疑，分享技术面试中的那些弯弯绕绕。

《大模型面试宝典》(2024版) 正式发布

喜欢本文记得收藏、关注、点赞。更多实战和面试交流，文末加入我们星球

Efficient fine-tuning对于将大型语言模型（LLMs）调整到下游任务中至关重要。然而要在不同模型上实现这些方法需要付出相当大的努力。LLaMA-Factory是一个统一的框架，集成了一套先进的高效训练方法。它允许用户通过内置的Web UI灵活定制100多个LLMs的微调，而无需编写代码。

> https://arxiv.org/pdf/2403.13372.pdf

> https://github.com/hiyouga/LLaMA-Factory

多种精度：32 比特全参数微调、16 比特冻结微调、16 比特 LoRA 微调和基于 AQLM/AWQ/GPTQ/LLM.int8 的 2/4/8 比特 QLoRA 微调。

先进算法：GaLore、DoRA、LongLoRA、LLaMA Pro、LoRA+、LoftQ 和 Agent 微调。

实用技巧：FlashAttention-2、Unsloth、RoPE scaling、NEFTune 和 rsLoRA。

unsetunsetLLaMA-Factory的起源unsetunset

大型语言模型（LLMs）展示了卓越的推理能力，并赋予了各种应用程序以动力，随后大量的LLMs通过开源社区开发并可供使用。例如，Hugging Face的开源LLM排行榜拥有超过5,000个模型，为希望利用LLMs强大功能的个人提供了便利。

使用有限资源对极大数量的参数进行微调成为将LLM调整到下游任务的主要挑战。一个流行的解决方案是高效微调它在适应各种任务时降低了LLMs的训练成本。然而社区提出了各种高效微调LLMs的方法，缺乏一个系统的框架来将这些方法适应和统一到不同的LLMs，并为用户提供友好的界面进行定制。

为解决上述问题，LLaMA-Factory是一个LLMs微调的框架。它通过可伸缩模块统一了各种高效微调方法，实现了使用最小资源和高吞吐量微调数百个LLMs。此外，它简化了常用的训练方法，包括生成式预训练、监督微调、基于人类反馈的强化学习（RLHF）和直接偏好优化（DPO）。用户可以利用命令行或Web界面定制和微调他们的LLMs，几乎不需要编写代码。

unsetunset高效微调技术unsetunset

高效LLM微调技术可以分为两大类：一类侧重于优化，另一类旨在计算。高效优化技术的主要目标是在保持成本最低的同时调整LLMs的参数。另一方面，高效计算方法旨在减少LLMs中所需计算的时间或空间。

高效优化

冻结微调方法涉及在微调少部分解码器层的同时冻结大部分参数。

梯度低秩投影将梯度投影到一个低维空间中，以一种内存高效的方式进行全参数学习。

低秩适应（LoRA）方法冻结所有预训练权重，并在指定的层引入一对可训练的低秩矩阵。

当与量化结合时，这种方法被称为QLoRA，它额外降低了内存使用。

高效计算

用的技术包括混合精度训练和激活检查点。通过对注意力层的输入输出（IO）开销进行检查，Flash Attention引入了一种硬件友好的方法来增强注意力计算。S2 Attention解决了在块稀疏注意力中扩展上下文的挑战，从而减少了在微调长上下文LLMs中的内存使用。各种量化策略通过使用更低精度的权重表示减少了大型语言模型（LLMs）的内存需求。

LLaMA-Factory有效地将这些技术结合到一个统一的结构中，大大提高了LLM微调的效率。这将导致内存占用从混合精度训练中的每个参数18字节，或者bfloat16训练中的每个参数8字节，减少到仅0.6字节每个参数。

unsetunsetLLaMA-Factory模块划分unsetunset

LLaMA-Factory由三个主要模块组成：模型加载器（Model Loader）、数据处理器（Data Worker）和训练器（Trainer）。

模型加载器准备了各种架构用于微调，支持超过100个LLMs。数据处理器通过一个设计良好的管道处理来自不同任务的数据，支持超过50个数据集。

训练器统一了高效微调方法，使这些模型适应不同的任务和数据集，提供了四种训练方法。

LLaMA Board为上述模块提供了友好的可视化界面，使用户能够以无需编写代码的方式配置和启动单个LLM微调过程，并实时监控训练状态。

unsetunsetLLaMA-Factory微调对比unsetunset

比较了完全微调、冻结微调、GaLore、LoRA和4位QLoRA的结果。微调后，我们计算训练样本上的困惑度，以评估不同方法的效率。

我们观察到，QLoRA始终具有最低的内存占用，因为预训练权重采用了更低的精度表示。LoRA通过Unsloth在LoRA层中的优化，实现了更高的吞吐量。

Mistral-7B模型在英文数据集上表现更好，而Qwen1.5-7B模型在中文数据集上获得了更高的分数。这些结果表明，微调模型的性能也与它们在特定语言上的固有能力相关联。

技术交流

通俗易懂讲解大模型系列

重磅消息！《大模型面试宝典》(2024版) 正式发布！

重磅消息！《大模型实战宝典》(2024版) 正式发布！

做大模型也有1年多了，聊聊这段时间的感悟！

用通俗易懂的方式讲解：大模型算法工程师最全面试题汇总

用通俗易懂的方式讲解：不要再苦苦寻觅了！AI 大模型面试指南（含答案）的最全总结来了！

用通俗易懂的方式讲解：我的大模型岗位面试总结：共24家，9个offer

用通俗易懂的方式讲解：大模型 RAG 在 LangChain 中的应用实战

用通俗易懂的方式讲解：ChatGPT 开放的多模态的DALL-E 3功能，好玩到停不下来！

用通俗易懂的方式讲解：基于扩散模型（Diffusion）,文生图 AnyText 的效果太棒了

用通俗易懂的方式讲解：在 CPU 服务器上部署 ChatGLM3-6B 模型

用通俗易懂的方式讲解：ChatGLM3-6B 部署指南

用通俗易懂的方式讲解：使用 LangChain 封装自定义的 LLM，太棒了

用通俗易懂的方式讲解：基于 Langchain 和 ChatChat 部署本地知识库问答系统

用通俗易懂的方式讲解：Llama2 部署讲解及试用方式

用通俗易懂的方式讲解：一份保姆级的 Stable Diffusion 部署教程，开启你的炼丹之路

用通俗易懂的方式讲解：LlamaIndex 官方发布高清大图，纵览高级 RAG技术

用通俗易懂的方式讲解：为什么大模型 Advanced RAG 方法对于AI的未来至关重要？

用通俗易懂的方式讲解：基于 Langchain 框架，利用 MongoDB 矢量搜索实现大模型 RAG 高级检索方法