多模態大模型學雜了能力反下降？新研究：MoE+通用專家解決沖突
微調，能讓通用大模型更加適配具體的行業應用。
但現在，研究人員們卻發現：
對多模態大模型做“多任務指令微調”，大模型可能會“學得多錯得多”，因為不同任務之間的沖突，導致泛化能力下降。
△多模態指令微調存在任務沖突
舉個例子，多模態問答任務可能要求回復盡可能簡潔準確，文檔理解任務卻會反過來要求大模型盡可能詳細地做出描述。
不同下游任務指令微調數據分布差異較大，導致一個大模型難以在多個下游任務中均達到最優性能。
如何解決這個問題？
來自香港科技大學、南方科技大學和華為諾亞方舟實驗室的聯合研究團隊，受MoE（混合專家模型）開源大模型Mixtral-8×7B的啟發，提出利用稀疏專家模型，打造下游任務泛化性能更好、理解能力更強的多模態大模型。
圖片
具體細節，一起來看。
多模態指令微調存在任務沖突
為了驗證多模態指令微調中不同類型任務數據對模型性能的影響，研究人員將數據進行如下劃分：
- VQA（視覺問答）：VQAv2、OKVQA、A-OKVQA、OCRVQA，
- Captioning（圖像描述）：COCO Caption、Web CapFilt、TextCaps，
- Full(所有數據)：VQA、Captioning、LLaVA-150k、VQG（視覺問題生成，基于VQA數據）。
基于以上數據，研究人員采用LoRA對InstructBLIP進行微調，獲得3個專家模型，并在其他數據（Flickr30k-圖像描述、GQA/SciQA/IconQA/TextVQA等不同類型視覺問答、HM/VSR等多模態分類或推理任務）上進行零樣本測試和評估。
圖片
從上圖（右）中可以看出，在指令微調中，并非采用全量數據會取得最好效果，相反，只有三個下游任務（GQA，VSR，TextVQA）在全量數據專家下表現最好。
這說明，對于大部分任務來說，在指令微調過程中引入其他任務的數據，反而會降低模型性能，多模態指令微調存在任務沖突。
另一方面，實驗中觀察到，VQA和Captioning兩個專家模型，在各自任務中取得了相較于全量專家更好的表現。這樣的方法看似解決了任務沖突的問題，但存在以下局限：
- 不同訓練任務的知識無法在任務專家之間共享；
- 訓練的數據需要人為地劃分，當訓練數據種類較多時難以進行；
- 新任務來臨時，需要人為判斷使用哪一個任務專家。
為了解決以上局限，研究團隊提出，可以利用稀疏專家模型（MoE），不同的專家處理不同的任務，并設計一種數據劃分的方法，把相似的任務交給同一個專家處理。
基于指令聚類的稀疏專家多模態大模型
通過指令聚類劃分數據
圖片
在大型視覺-語言模型（LVLM）中，該文定義指令為所有的文本輸入，如上圖（左）C1-C4的文本。
這些指令描述了任務的意圖、要求。因此，作者使用Kmeans將所有的指令聚為64類。
如上圖（右）所示，指令的聚類信息可以有效表示數據的任務類型。這樣做省去了人力劃分數據的成本。
基于指令聚類信息進行混合LoRA專家路由
圖片
和前面的任務專家相似，模型在該層的輸出同樣由凍結的LLM線性層以及微調的LoRA產生。
不同的是，這里利用數據的指令聚類信息來對混合LoRA進行路由。具體而言，對于的模型的輸入，可以按照如下方式計算它的路由信息：
圖片
其中，topk()（考慮k=1的情況）保持前k個最大項不變，并將其他的設置為0，C是可學習的類別的嵌入表征，C[xi]表示xi對應指令的聚類表征，Wgate是路由的線性參數。
通用專家提升模型泛化性
實驗發現，上述的指令聚類LoRA專家的確緩解了任務沖突的問題，但由于一個專家可能只見過一部分任務，整個模型對下游任務的泛化性降低了。
圖片
因此，該研究團隊提出用通用專家來從所有數據中學習指令泛化能力。
與MoE不同，除了通過top1選擇的任務專家，該方法還固定地激活一個通用專家，使得這個專家從所有的指令數據中學習。
因此，模型在該層輸出為LLM原始凍結參數W，任務專家We和通用專家Wu的加權和。
圖片
在這樣的設計下，任務專家和通用專家的協同既提升了模型在和訓練集相似任務的表現，又保障了模型對新任務的泛化能力。
實驗效果
該論文遵循InstructBLIP的實驗場景（數據使用、評估標準、訓練細節），在13個訓練數據集（包括VQA、Captioning、VQG等）上進行指令微調并在11個測試數據集上評估（訓練數據集和測試數據集沒有重疊）。
圖片
由上表所示，引入該文章提出的方法（MoCLE）后，InstructBLIP相較于基線模型在所有下游任務上都有提升，其中，在VSR，IconQA，TextVQA和MSVD-QA的提升尤為明顯。
圖片
上圖可視化了LLM某一層混合LoRA專家在不同數據下的路由結果，虛線上下方分別是訓練和測試數據。(a)和(b)分別顯示了使用指令聚類信息和指令token平均表征作為路由的結果。
可以看到，使用指令聚類信息路由時，數據在專家中出現了分化。例如專家0主要負責VQA相關任務，專家2主要負責Captioning相關任務，有效實現專家的差異化。另一方面，使用指令token平均表征作為條件時，不同任務對專家的激活是相似的，沒有出現分化。
研究團隊認為，稀疏專家多模態大模型+通用專家模塊的組合，緩解了任務之間的沖突，還保證了稀疏模型對任務的泛化能力，使得多模態大模型能夠更有效地適配不同的下游行業應用。
這是首個在多模態大模型指令微調中結合LoRA和稀疏專家模型（MoE）來緩解任務沖突并保持模型泛化能力的工作。
該工作證實了其應對復雜下游任務的有效性，并未多模態大模型的應用和發展開辟了新途徑。
