Amazon SageMaker AI Serverless Model Customization 加入全量微調
微調模型時,訓練所有權重可能更適合大量資料,但也可能讓模型忘掉原本會的事。AWS 為 Amazon SageMaker AI Serverless Model Customization 加入全量微調,使用者不必自行準備 GPU、叢集或分散式訓練環境,也能在全量微調和 LoRA 之間切換。AWS 用程式生成任務測試後,表示資料超過 100K 筆時,全量微調的正確性分數達 90.0%;不過另一次比較中,LoRA 的分數較高,而且兩種方法在 MATH 測試都低於原始模型。AWS 也提醒,學習率太高或訓練超過三個週期,可能嚴重損害模型原有能力;這些結果來自 AWS 的測試,不代表其他任務也會有相同表現。