2026年7月2日 周四晚上19:30,报名腾讯会议了解“如何构建自进化的动态知识库(Brain)”(限30人)
免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


收藏

大模型的微调和RAG的分别是什么?

发布日期:2024-06-18 22:37:57 浏览次数: 4844
作者:ruby的数据漫谈

微信搜一搜,关注“ruby的数据漫谈”

摘要:通用大模型存在一定的幻觉问题,通过把企业私有的领域数据知识喂给通用大模型,从而降低了大模型的幻觉,这就是所谓的企业私有大模型,从技术层面来讲,实现企业私有大模型有2个技术手段:微调(Fine-tuning)、RAG(Retrieval Augmented Generation)检索增强生成。


  • Fine-tuning 是什么?

  • RAG是什么?

  • 两者有什么区别?



01

Fine-tuning是什么?


“Fine-tuning",也叫做微调,是一种迁移学习技术,"fine-tuning"是指对机器学习模型进行微调或优化,以使其能够更好地适应特定的任务或数据集。在训练机器学习模型时,通常会使用一个预训练的模型,该模型在大规模数据集上进行了训练以获取一定的基础知识。而"fine-tuning"的目标则是在这个基础上,通过进一步的训练来调整模型的参数,使其能够更好地适应特定的任务或数据。

"Fine-tuning"的过程通常涉及以下几个步骤:首先,将预训练的模型加载进来;然后,固定一部分模型的参数,只对部分参数进行调整;接着,使用特定任务或数据集进行训练;最后,评估模型的性能并进行调整,直到达到最佳效果。通过"fine-tuning",可以在较小的数据集或特定的任务上快速构建和优化机器学习模型。


举例说明:

例子一:文本情感分类

假设我们正在构建一个模型,用于判断用户对商品的评价是喜欢还是不喜欢,我们可以使用大量的语料训练一个基础的模型,使其学会基本的语法和单词语义。然后再收集一些用户的商品评价,标注好评价的是喜欢还是不喜欢,拿这部分预料去训练前面的基础模型。让这个模型学会判断商品的评价是喜欢还是不喜欢,这个就是微调的过程,微调的具体步骤如下:
1. 使用一个预训练的模型,如Word2Vec或GloVe等,将文本数据转换为向量表示。
2. 并且文本数据和标准都转化成向量。
3. 在初始模型上进行微调,通过在包含情感标签的大型数据集上进行训练,以优化模型的权重和偏差,使其能够更好地表示情感特征。

列子二:图片识别

假设我们正在构建一个模型用于识别图片的内容,例如斑马和猴子。我们可以先用大量的图片数据集(比如ImageNet数据集)预训练一个模型,让模型可以识别图片的基本形状和纹理,然后我们使用一些标注过的图片对基础模型进行微调,让模型拥有识别斑马和猴子的能力,微调的具体步骤如下:

1. 使用一个预训练的卷积神经网络模型(如VGG16、ResNet等),对图像进行特征提取。
2. 提取的特征向量以及标注的内容作为微调的输入。
3. 在初始模型上进行微调,通过在包含各种斑马和猴子的图像的数据集上进行训练,来改善模型的识别的能力,确保它能够更好地区分不同的图片。

通过微调,我们可以利用预训练模型在大型数据集上学到的通用特征,然后在特定任务或数据集上优化模型,以提高模型的性能和准确性。



02

RAG是什么?


RAG(Retrieval-Augmented Generation)是一种语言模型架构,将检索模型与生成模型结合在一起,旨在提供更准确和多样化的文本生成结果。RAG模型的基本原理是将预训练的检索模型和生成模型相互协作。

在RAG中,检索模型使用一个检索组件,该组件将用户查询作为输入,并返回相关的上下文信息,例如一组有关查询的相关文档或文章。这些相关文档或文章被称为文档集。

生成模型以检索组件提供的文档集为基础进行训练,并使用文档集中的信息来生成文本。生成模型可以是像GPT(Generative Pre-trained Transformer)一样的预训练语言模型。

在推理时,用户的查询被输入到RAG模型中的检索组件,并使用相关的文档集。然后,生成模型根据查询和文档集生成下一个文本。此过程会迭代多次,以生成更长的文本。RAG模型在每次迭代中都可以结合检索结果和生成结果,以提供更准确和有用的文本。

总之,RAG模型结合了基于检索的信息和基于生成的能力,以提供更准确、有用和多样化的文本生成结果。这种结合可以使模型在生成文本时能够借鉴和利用更广泛的上下文信息。



02

微调和RAG的区别是什么?


一、知识维度
RAG模型在知识维度上具有优势,因为它可以通过更新数据库来更新知识,而不需要重新进行训练。这样可以降低更新的时间和成本,并且不用担心学不到或者遗忘的问题。


二、效果维度
在效果维度上,RAG模型相比微调模型更容易获得更好的效果,并且具有稳定性和可解释性。尤其在简单任务模式下,微调模型可能可以达到更高的上限,但是需要更高的训练和数据要求。


三、成本维度
在成本维度上,RAG模型相对于微调模型具有优势。训练方面,RAG只需更新数据库,而微调需要大量的显卡和时间资源。推理方面,尽管RAG模型需要进行检索,并且需要额外的工作来确保准确性,但是具体增加的时间成本取决于检索模块的复杂程度。与此相比,微调后的大模型的推理时间与原始模型一致。


四、多任务维度
另外,从系统拓展的角度来看,使用大模型进行微调可能无法支持多任务,并且在部署上会不太方便。而使用RAG模型可以更好地满足多任务的需求,并且部署也更加便捷。


什么情况下一定需要微调?


在以下情况下,微调大型模型可能会有很大好处:

1. 特定任务的数据集较小:如果你的任务数据集相对较小,使用预训练的大型模型进行微调可以帮助模型更好地捕捉任务特定的模式和细节。

2. 领域特定的任务:如果你的任务属于某个领域或特定领域的子任务,而基础模型在该领域没有任何知识,此时输入内容,大模型也无法理解指令,则需要进行微调。微调大型模型可以在特定领域的数据上进行训练,从而提高模型在该领域的性能。

3. 迁移学习:使用预训练的大型模型进行微调可以将先前在大型数据集上学习到的知识迁移到新的任务上,从而加快学习速度并提高性能。

4. 复杂任务:一些复杂任务,如自然语言处理中的问答、摘要生成等,可能需要更多的模型容量来学习复杂的模式和关系,因此微调大型模型可能更合适。

总的来说,当任务需要更多模型容量、数据集较小或者需要特定领域的任务时,微调大型模型可能会有显著的好处。然而,微调大型模型也需要更多的计算资源和时间来训练和推断,因此需要权衡模型性能和计算成本之间的关系。


53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅