Jian Liang, Wenke Huang, Xianda Guo, Guancheng Wan, Bo Du, Mang Ye
개요
본 논문은 기초 모델의 다중 작업 적응을 위한 효율적인 프레임워크인 ThanoRA를 제안합니다. 기존의 LoRA와 MoE를 결합한 방법은 라우터 사용으로 인해 매개변수 병합이 불가능하여 추론 오버헤드가 증가하고 통합된 다중 작업 적응이 어렵다는 한계가 있습니다. ThanoRA는 작업 특이성을 고려하여 초기화 단계에서 작업별 LoRA 부분 공간을 구성하고, 부분 공간 보존 정규화를 통해 작업 간 간섭을 방지함으로써 LoRA의 추론 효율성을 유지하면서 효율적이고 통합된 다중 작업 적응을 가능하게 합니다. 다양한 벤치마크 실험 결과, ThanoRA는 기존 방법보다 우수한 성능을 보이며 추가적인 추론 오버헤드 없이 강력하고 안정적인 성능을 달성함을 보여줍니다. 소스 코드는 깃허브에 공개되어 있습니다.
시사점, 한계점
•
시사점:
◦
LoRA의 효율성을 유지하면서 다중 작업 적응을 가능하게 하는 새로운 프레임워크 ThanoRA 제안.
◦
작업 특이성을 고려한 부분 공간 구성 및 부분 공간 보존 정규화를 통해 작업 간 간섭을 효과적으로 완화.