諸如Qwen，GPT，DeepSeek R1等基礎大模型已成為現代深度學習的基石。

然而，在應用于具體下游任務時，它們龐大的參數規模使得額外微調成本較高。

為了解決這一問題，近期的研究聚焦于低秩適應 (LoRA) 方法，通過保持基座模型參數凍結，僅對新增的小型輕量級適配器進行微調，從而降低微調成本。

盡管LoRA具有較高的效率，然而其微調性能往往不及全量微調。

面對這一挑戰，華中科技大學和香港中文大學團隊提出了一項全新的LoRA微調框架——GOAT，該工作已成功被ICML 2025正式接收。

這項研究提出了一套自適應奇異值初始化與混合專家梯度對齊策略，成功緩解低秩適應（LoRA）性能不足的難題，在25個多領域任務中實現接近甚至超越全參數微調（Full FT）的效果，同時僅需調整極小比例參數。

低秩適應效果不如預期

傳統LoRA通過在預訓練權重矩陣中添加低秩適配器（如BA矩陣），大幅減少可訓練參數（通常僅需調整0.1%-5%參數），但其性能往往顯著落后于全參數微調。

現有方法通常通過隨機初始化或者靜態奇異值分解（Singular Value Decomposition, SVD）子空間進行初始化，以優化LoRA性能，但這類方式未能充分挖掘預訓練模型中已有的知識。

另一條提升LoRA表現的路徑是引入混合專家架構（Mixture-of-Experts, MoE）。然而，復雜的梯度動態使得在LoRA MoE架構中應用SVD初始化方法面臨較大挑戰。

取最大/小分量不一定好？重新審視SVD初始化

先前基于SVD初始化的方法通常會對最大或最小奇異值對應的子空間進行微調：PiSSA僅對具有最大范數的部分進行微調，而MiLoRA和KaSA則凍結較大的分量，對較小的部分進行低秩適應。如圖所示：

實際使用中，由于忽略了其他的SVD片段，PISSA和MiLoRA的方法并不能保證其有較好的效果，尤其是在秩較低的情況下。

作者針對不同數據集，使用不同的SVD片段來初始化進行分析發現，不同任務對應的最佳SVD片段不同，同時其很可能在中間片段表現最好。

利用MoE的動態選擇特性，研究人員提出了一種自適應SVD初始化，設計一個LoRA MoE的結構實現收斂速度和最終收斂性能的權衡。

首先對預訓練大模型權重做奇異值分解，將其分解為多段，由MoE路由動態選擇最相關的奇異值組合，靈活適配不同任務需求。其中每個和的expert由均勻切片的SVD片段構成，，使其能捕獲 的更全面的先驗信息。

縮放因子過小？LoRA的低秩梯度偏差

先前的LoRA方法中，常見的做法是使用縮放形式，且通常設為2。

基于SVD的方法則通過將和同時除以，從而在權重大小不依賴于。

通過實驗分析，僅通過調整 能對LoRA的收斂速度和最終性能產生較大影響，尤其是極度低秩的場景下（在LoRA MoE中非常常見）。

為詳細研究這一點，研究人員引入理論對齊假設：

使用全量微調的Upcycled MoE（也即直接使用預訓練權重初始化）作為性能上界。

如果在微調LoRA MoE的過程中，對每個專家，在初始化時保證LoRA專家的等效權重與全量微調MoE的專家權重一致，并在每次更新中使LoRA專家等效梯度與MoE全秩微調梯度對齊，LoRA MoE就可以與全秩微調的 Upcycled MoE 在每一步優化都實現對齊，理論上能達成相同的性能。

利用該假設，對于等效權重對齊，研究人員推導出SVD初始化中使接近，需要減去額外減去矩陣最優期望為：

對于等效梯度對齊，研究人員通過代數分析，聯立每個專家的LoRA等效梯度與全量微調（Full Fine-Tuning, FFT）的梯度，近似推導出一個閉式解。

其中，表示模型維度，表示FFT與LoRA學習率的比值，表示LoRA的秩，通常該秩遠小于模型維度，使得推導出的明顯大于經驗取值2。

這一結果從理論上證明了當前廣泛采用的經驗縮放因子過小的問題，同時也提供了一種與模型架構無關的偏差調整機制——即通過合理設置縮放因子來彌補LoRA在低秩子空間中梯度偏移所帶來的性能差距，從而更貼近全量微調的行為表現。

這種方法為提升LoRA的微調效果提供了一個理論驅動的改進方向。

實驗結果：25項任務全面領先

團隊在自然語言生成（GSM8K, HumanEval, Mt-Bench）、自然語言理解（GLUE）、常識推理（CommonsenseQA）、圖像分類（ImageNet子集）等4個領域25個數據集上驗證GOAT的優越性：

自然語言生成：比主流的LoRA MoE變體，在Mt-Bench中超越4.2%，GSM8K中超越6.3%，HumanEval中超越3.1%，逼近全量微調水平；

圖像分類：在CLIP-ViT微調中，僅用2.24%參數即達到全參數微調99%性能，超越主流LoRA變體6%，主流LoRA MoE變體2.4%；

常識推理：平均準確率82.73%，超越ChatGPT7.42%，展現強大知識遷移能力；

自然語言理解：領先于全量微調，和FT MOE的差距縮小至0.1%；

GOAT無需修改模型架構或訓練算法，僅通過初始化策略與梯度縮放即可實現性能飛躍，具備極強實用性：

內存占用降低8倍：訓練LLaMA7B時，相比全參數微調MoE，GOAT內存需求從640GB壓縮至35GB，單卡即可訓練；

收斂速度快效果好：比起其他的LoRA MoE，收斂有著更快的收斂速度和更好的效果；

靈活擴展：支持動態調整專家數量與激活比例，平衡性能與效率。

未來，GOAT優化方法有望在后訓練階段提供有效指導，同時為預訓練場景開辟新的思路，從而進一步挖掘和釋放人工智能性能的潛能。

論文地址: https://arxiv.org/pdf/2502.16894v3Github地址: https://github.com/Facico/GOAT-PEFT