我是丁师兄，专注于智能驾驶方向大模型落地，公众号：丁师兄大模型。

大模型1v1学习，已帮助多名同学上岸国内外大厂

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。

end

我是丁师兄，专注于智能驾驶方向大模型落地，公众号：丁师兄大模型。

大模型1v1学习，已帮助多名同学上岸国内外大厂