面试官：解释下大模型微调中的灾难性遗忘问题

面试官

面试官问：有微调过大模型么？解释下大模型微调中的灾难性遗忘问题

这个问题属于面试出考题，一般面试题会通过该问题来判断候选者是否真的有微调过大模型，而且是否真的针对大模型微调问题做过相应优化策略。

标准答案

关键点一：什么是灾难遗忘问题？

在连续学习环境中，大语言模型(LLM)面临着灾难性遗忘的问题，即当模型适应新任务或数据分布时，它可能会显著地忘记之前学到的知识。

大模型缺乏类似人脑的选择性遗忘机制，遗忘速度也远超人类认知衰退，这严重制约模型在实际场景中的持续学习能力。

• 模型规模与架构:更大的模型可能具有更好的记忆能力，但也可能面临更复杂的遗忘模式。

• 训练数据分布:不同任务的数据分布变化会影响遗忘程度。

• 学习率与优化策略:不当的学习率可能加剧遗忘。

关键点二：如何缓解灾难性遗忘？

• Elastic Weight Consolidation

EWC(Elastic WeightConsolidation)通过对模型参数施加额外约束来保护那些对先前任务重要的权重。wC的损失函数形式为:

这里的 表示当前任务的损失函数, θ代表模型参数, θ是在完成前一任务时学到的最佳参数值, λ则是每个参数对应的正则化强度。WC方法确保了模型在学习新任务的同时尽可能地保留旧任务的知识。

• 基于幅度的梯度更新

清华大学提出的 MIGU 方法利用了语言模型线性层输出的L1标准化幅度分布特性，以实现无需任务标签的任务间区分。MIGU 使用以下公式来决定哪些参数应该被更新 :

在这个公式中,9i 是原始梯度,ui是第; i 个参数的权重,α是一个控制更新强度的超参数。这种方法允许模型根据参数的重要性动态调整更新策略，从而更高效地处理多任务学习场景下的灾难性遗忘问题。

• 经验回放

经验重放是一种简单却有效的方法通过保存一部分历史样本并在后续的学习过程中重新使用这些样本来帮助模型保持对旧任务的记忆。可以使用简单的采样策略，也可以结合优先级经验重放(Prioritized ExperienceReplay)，后者根据样本的重要性分配不同的概率来进行选择。 经验重放不仅有助于缓解灾难性遗忘，还能提高模型在非平稳环境中的泛化能力。

---

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）

👉4.大模型落地应用案例PPT👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）