一種基于Sinkhorn距離的知識蒸餾方法

原標(biāo)題：模型知識蒸餾新SOTA！告別傳統(tǒng)散度蒸餾｜騰訊優(yōu)圖&中科大出品
文章來源：量子位
內(nèi)容字?jǐn)?shù)：6619字

基于Sinkhorn距離的知識蒸餾新方法SinKD

最近，中科大和騰訊優(yōu)圖實驗室提出了一種新的知識蒸餾方法SinKD，旨在通過Sinkhorn距離來改善大語言模型（LLMs）向小模型的知識轉(zhuǎn)移。這一方法能夠在不同類型和架構(gòu)的LLMs上實現(xiàn)更優(yōu)秀的性能，超越了現(xiàn)有的最先進(jìn)技術(shù)（SOTA）。

1. 研究背景

知識蒸餾（KD）是一種通過對教師模型的輸出進(jìn)行軟目標(biāo)對齊，將其知識傳遞給學(xué)生模型的技術(shù)。傳統(tǒng)的KD方法主要依賴于KL散度、RKL散度和JS散度等度量，這些方法在模型輸出差異較大時表現(xiàn)不佳，容易導(dǎo)致學(xué)生模型學(xué)習(xí)到過于平滑或低估稀有的概率。

2. SinKD的優(yōu)勢

SinKD采用了Sinkhorn距離作為新的散度度量，克服了傳統(tǒng)KD方法的局限性。Sinkhorn距離能夠更準(zhǔn)確地衡量教師和學(xué)生模型之間的差異，避免了KL散度的非對稱性，以及模式崩潰與模式平均的問題。此外，SinKD通過批量重構(gòu)捕捉樣本分布的幾何復(fù)雜性，使得模型在高維空間中更具適應(yīng)性。

3. 方法介紹

SinKD方法的核心在于使用批量化的Sinkhorn距離來進(jìn)行知識蒸餾。該方法通過定義一個包含多個樣本的批次來整體參與散度度量，顯著提高了對復(fù)雜分布的捕捉能力。此外，SinKD還適用于回歸任務(wù)及獨熱標(biāo)簽微調(diào)，從而擴(kuò)展了其應(yīng)用范圍。

4. 實驗與結(jié)果

在GLUE和SuperGLUE等多個自然語言處理任務(wù)上，SinKD顯示出顯著的性能提升，相較于基線和當(dāng)前SOTA方法，均取得了更好的結(jié)果。消融實驗表明，Sinkhorn損失對學(xué)生模型的提升作用最大，批量化的SinKD優(yōu)于逐樣本的KD方法。

5. 總結(jié)與展望

SinKD方法不僅解決了現(xiàn)有知識蒸餾技術(shù)的不足，還通過批量化重構(gòu)增強(qiáng)了模型的表現(xiàn)。研究表明，SinKD在各種任務(wù)和模型架構(gòu)中表現(xiàn)優(yōu)異，未來將有望在計算機(jī)視覺等其他領(lǐng)域進(jìn)一步應(yīng)用。

如需了解更多細(xì)節(jié)，請查閱原論文鏈接。

聯(lián)系作者

文章來源：量子位
作者微信：
作者簡介：追蹤人工智能新趨勢，關(guān)注科技行業(yè)新突破