单卡即可微调大模型！内存占用仅1/8

诸如Qwen，GPT，DeepSeek R1等基础大模型已成为现代深度学习的基石。

然而，在应用于具体下游任务时，它们庞大的参数规模使得额外微调成本较高。

为了解决这一问题，近期的研究聚焦于低秩适应 (LoRA) 方法，通过保持基座模型参数冻结，仅对新增的小型轻量级适配器进行微调，从而降低微调成本。

尽管LoRA具有较高的效率，然而其微调性能往往不及全量微调。

面对这一挑战，华中科技大学和香港中文大学团队提出了一项全新的LoRA微调框架——GOAT，该工作已成功被ICML 2025正式接收。

这项研究提出了一套自适应奇异值初始化与混合专家梯度对齐策略，成功缓解低秩适应（LoRA）性能不足的难题，在25个多领域任务中实现接近甚至超越全参数微调（Full FT）的效果，同时仅需调整极小比例参数。

 

 

低秩适应效果不如预期

传统LoRA通过在预训练权重矩阵中添加低秩适配器（如BA矩阵），大幅减少可训练参数（通常仅需调整0.1%-5%参数），但其性能往往显著落后于全参数微调。

现有方法通常通过随机初始化或者静态奇异值分解（Singular Value Decomposition, SVD）子空间进行初始化，以优化LoRA性能，但这类方式未能充分挖掘预训练模型中已有的知识。

另一条提升LoRA表现的路径是引入混合专家架构（Mixture-of-Experts, MoE）。然而，复杂的梯度动态使得在LoRA MoE架构中应用SVD初始化方法面临较大挑战。

取最大/小分量不一定好？重新审视SVD初始化

先前基于SVD初始化的方法通常会对最大或最小奇异值对应的子空间进行微调：PiSSA仅对具有最大范数的部分进行微调，而MiLoRA和KaSA则冻结较大的分量，对较小的部分进行低秩适应。如图所示：

 

实际使用中，由于忽略了其他的SVD片段，PISSA和MiLoRA的方法并不能保证其有较好的效果，尤其是在秩较低的情况下。

作者针对不同数据集，使用不同的SVD片段来初始化进行分析发现，不同任务对应的最佳SVD片段不同，同时其很可能在中间片段表现最好。

 

利用MoE的动态选择特性，研究人员提出了一种自适应SVD初始化，设计一个LoRA MoE的结构实现收敛速度和最终收敛性能的权衡。

首先对预训练大模型权重做奇异值分解，将其分解为多段，由MoE路由动态选择最相关的奇异值组合，灵活适配不同任务需求。其中每个和的expert由均匀切片的SVD片段构成，，使其能捕获 的更全面的先验信息。

 

 

缩放因子过小？LoRA的低秩梯度偏差

先前的LoRA方法中，常见的做法是使用缩放形式，且通常设为2。

基于SVD的方法则通过将和同时除以，从而在权重大小不依赖于。

通过实验分析，仅通过调整 能对LoRA的收敛速度和最终性能产生较大影响，尤其是极度低秩的场景下（在LoRA MoE中非常常见）。

 

为详细研究这一点，研究人员引入理论对齐假设：

使用全量微调的Upcycled MoE（也即直接使用预训练权重初始化）作为性能上界。

如果在微调LoRA MoE的过程中，对每个专家，在初始化时保证LoRA专家的等效权重与全量微调MoE的专家权重一致，并在每次更新中使LoRA专家等效梯度与MoE全秩微调梯度对齐，LoRA MoE就可以与全秩微调的 Upcycled MoE 在每一步优化都实现对齐，理论上能达成相同的性能。

利用该假设，对于等效权重对齐，研究人员推导出SVD初始化中使接近，需要减去额外减去矩阵最优期望为：

 

对于等效梯度对齐，研究人员通过代数分析，联立每个专家的LoRA等效梯度与全量微调（Full Fine-Tuning, FFT）的梯度，近似推导出一个闭式解。

其中，表示模型维度，表示FFT与LoRA学习率的比值，表示LoRA的秩，通常该秩远小于模型维度，使得推导出的明显大于经验取值2。

这一结果从理论上证明了当前广泛采用的经验缩放因子过小的问题，同时也提供了一种与模型架构无关的偏差调整机制——即通过合理设置缩放因子来弥补LoRA在低秩子空间中梯度偏移所带来的性能差距，从而更贴近全量微调的行为表现。

这种方法为提升LoRA的微调效果提供了一个理论驱动的改进方向。

 

 

实验结果：25项任务全面领先

 

 

 

 

团队在自然语言生成（GSM8K, HumanEval, Mt-Bench）、自然语言理解（GLUE）、常识推理（CommonsenseQA）、图像分类（ImageNet子集）等4个领域25个数据集上验证GOAT的优越性：

自然语言生成：比主流的LoRA MoE变体，在Mt-Bench中超越4.2%，GSM8K中超越6.3%，HumanEval中超越3.1%，逼近全量微调水平；

图像分类：在CLIP-ViT微调中，仅用2.24%参数即达到全参数微调99%性能，超越主流LoRA变体6%，主流LoRA MoE变体2.4%；

常识推理：平均准确率82.73%，超越ChatGPT7.42%，展现强大知识迁移能力；

自然语言理解：领先于全量微调，和FT MOE的差距缩小至0.1%；

GOAT无需修改模型架构或训练算法，仅通过初始化策略与梯度缩放即可实现性能飞跃，具备极强实用性：

内存占用降低8倍：训练LLaMA7B时，相比全参数微调MoE，GOAT内存需求从640GB压缩至35GB，单卡即可训练；

收敛速度快效果好：比起其他的LoRA MoE，收敛有着更快的收敛速度和更好的效果；

灵活扩展：支持动态调整专家数量与激活比例，平衡性能与效率。

未来，GOAT优化方法有望在后训练阶段提供有效指导，同时为预训练场景开辟新的思路，从而进一步挖掘和释放人工智能性能的潜能。

论文地址: https://arxiv.org/pdf/2502.16894v3
Github地址: https://github.com/Facico/GOAT-PEFT