复旦女硕士复试遇LongLoRA微调难题，现场如何应对？

近日训练营的一位复旦大学的女硕士告诉我，上周去参加某厂大模型岗复试，面试官问了 LongLoRA 微调。最终咱们这位复旦女硕士还是被这小小的问题给难住痛失 offer。那么这 LongLoRA 微调到底是啥呢？今天就来给大家好好讲讲。

01

面试官心理分析

首先面试官问这个问题呢，其实主要是想考你 3 点内容。

第一， 你知不知道 LongLoRA 微调，有没有看过相关的 paper。如果你听都没有听过，那显然这道题就不用继续了。

第二， LongLoRA 微调主要解决的是什么样的问题，为什么要提出这种微调策略，是基于什么样的背景。

第三， 它是怎么解决的问题，展开详细讲讲。

好，那接下来我们就沿着面试官的心理预期，来回答一下这道题目。

02

面试题解析

首先说下背景，LongLoRA 是港中文和 MIT 在 23 年发表的一篇 paper，主要是为了解决长上下文的注意力机制计算量很大的问题。

我们知道，现在大模型的上下文是越做越长，像 OpenAI GPT4-Turbo 支持到了 128K，Kimi 甚至支持到了 200K 的长度。

长文本影响最大的就是 self-attention ，因为它的显存占用和计算量是随着长度平方变化的。

所以这里我们就答出了第一个得分点，LongLoRA 解决了一个什么样的问题，基于什么样的背景和动机。

其实面试跟大家平时考试答题一样，也有得分点，不是说你答的越多就越好，重要的是答到点子上。

面试时间就那么一两个小时，你长篇大论一堆，面试官是没有那么多耐心听的，反而给面试减分。

好，我们接着来看。

那 LongLoRA 怎么解决的这个问题呢？

在回答这类问题的时候，建议大家先整体概括，再展开表述，同时尽量结合画图，这样思路更加清晰。

比如这里，先整体概括一下，LongLoRA 的原则是，虽然在推理过程中需要密集的全局注意力，但通过稀疏的局部注意力可以有效且高效地微调模型。

具体来说呢，LongLoRA 在微调期间延长了上下文长度，同时使用 Lora 方法保持了高性能和低复杂性，它提出了 shifted sparse attention 的微调方案，我们简称为 S2-Attention。

在训练阶段使用 S2-Attention，推理时用全局注意力。

我们看下面这张图，S2-Attention 在微调阶段，使用的是局部注意力，而不是全局注意力。

也就是将输入文档分解为几个不同的组，并在每个组中分别应用注意力机制，大家注意看图中的 Pattern1。

那这种方式有什么好处呢？

好处就是它能够在资源占用不多的情况下拓展长度。

那缺点呢？

由于不同组之间缺乏信息交换，随着长度增大，会导致部分信息的丢失。因此 S2-Attention 又引入了组大小一半的移位操作，确保相邻组之间顺利的信息交换。

我们看图中的 Pattern 2，那这个改进有助于模型在文本开头和结尾之间顺利交换信息，提高了模型的稳定性。

说的大白话一点，就是对每个 token 而言，真正跟它有一定关联程度的，绝大部分都在相近的区域内，不需要看太远，但为了保持前后注意力的连贯性，所以加上了移位操作。

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】🆓

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。

😝有需要的小伙伴，可以VＸ扫描下方二维码免费领取🆓

👉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

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微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓