AIxiv专栏是本站发布学术、技术内容的栏目。过去数年，本站AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的**实验室，有效促进了学术交流与传播。如果您有**的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com

本文的主要作者为黄毅翀。黄毅翀是哈尔滨工业大学社会计算与信息检索研究**博士生，鹏城实验室实习生，师从秦兵教授和冯骁骋教授。研究方向包括大语言模型集成学习、多语言大模型，相关论文发表于自然语言处理**会议 ACL、EMNLP、COLING。
随着大语言模型展现出惊人的语言智能，各大 AI 公司纷纷推出自己的大模型。这些大模型通常在不同领域和任务上各有所长，如何将它们集成起来以挖掘其互补潜力，成为了 AI 研究的前沿课题。
近期，哈工大和鹏城实验室的研究人员提出了「Training-free 的异构大模型集成学习框架」DeePEn。
不同于以往方法训练外部模块来筛选、融合多个模型生成的回复，DeePEn 在解码过程中融合多个模型输出的概率分布，联合决定每一步的输出 token。相较而言，该方法不仅能快速应用于**模型组合，还允许被集成模型访问彼此的内部表示（概率分布），实现更深层次的模型协作。
结果表明， DeePEn 在多个公开数据集上均能取得显著提升，有效扩展大模型性能边界：

目前论文及代码均已公开：

• 论文标题：Ensemble Learning for Heterogeneous LargeLanguage Models with Deep Parallel Collaboration
• 论文地址：https://arxiv.org/abs/2404.12715
• 代码地址：https://git**.com/OrangeInSouth/DeePEn

方法介绍
异构大模型集成的核心难点在于如何解决模型间的词表差异问题。为此，DeePEn 基于相对表示理论，构建由多个模型词表之间的共享 token 构成的统一相对表示空间。在解码阶段，DeePEn 将不同大模型输出的概率分布映射到该空间进行融合。 全程无需参数训练。
下图中展示了 DeePEn 的方法。给定 N 个模型进行集成，DeePEn 首先构建它们的转换矩阵（即相对表示矩阵），将来自多个异构**空间的概率分布映射到统一的相对空间中。在每个解码步骤中，所有模型进行前向计算并输出 N 个概率分布。这些分布被映射到相对空间并进行聚合。**，聚合结果被转换回某个模型（主模型）的**空间，以确定下一个 token。

                ^{图 1：方法示意图。其中，相对表示转换矩阵是通过计算词表中每个 token 与模型间共享的锚点 token 之间的词嵌入相似度得到的。}
构建相对表示转换
给定  N 个要集成的模型，DeePEn 首先找出所有模型词表的交集，即共享词集 ，并从中抽取一个子集 A⊆C 或使用**共享词作为锚点词集合 A=C。
对于每个模型 ，DeePEn 计算词表中每个 token 与锚点 token 的嵌入相似度，得到相对表示矩阵 。**，为了克服离群词的相对表示退化问题，论文作者对相对表示矩阵进行行归一化，通过对矩阵的每一行进行 softmax 操作，得到归一化相对表示矩阵 。
相对表示融合
在每个解码步骤中，一旦模型 输出概率分布 ，DeePEn 使用归一化相对表示矩阵将 转换为相对表示 ：

并将所有相对表示进行加权平均以获得聚合的相对表示：

其中是模型的协作权重。作者尝试了两种确定协作权重值的方法：(1) DeePEn-Avg，对所有模型使用相同的权重；(2) DeePEn-Adapt，根据各个模型的验证集性能成比例地为每个模型设置权重。

相对表示逆映射
为了根据聚合的相对表示决定下一个 token，DeePEn 将其从相对空间转换回主模型（开发集上性能**的模型）的**空间。为了实现这种逆转换，DeePEn 采用了基于搜索的策略，找出相对表示与聚合后的相对表示相同的**表示：

其中 表示模型 的**空间， 是衡量相对表示之间距离的损失函数（KL 散度）。
DeePEn 利用损失函数 相对于**表示 的梯度来指导搜索过程，并迭代地进行搜索。具体来说，DeePEn 将搜索的起始点 初始化为主模型的原始**表示，并进行更新：

其中 η 是称为相对集成学习率的超参数，T 是搜索迭代步数。
**，使用更新后的**表示 来确定下一步输出的 token。
实验

                 ^{表 1：主实验结果。**部分为单模型的性能，第二部分为分别对每个数据集上的 top-2 模型进行集成学习，第三部分为 top-4 模型集成。}
通过实验，论文作者得出了以下结论：
(1)  大模型在不同任务上各有所长。如表 1 所示，不同大模型在不同数据集上的表现存在显著差异。例如 LLaMA2-13B 在知识问答 TriviaQA 和 NQ 数据集上取得了**的结果，但是其他四个任务上的排名并未进入前四。
(2) 分布融合在各个数据集上取得了一致性的提升。如表 1 所示，DeePEn-Avg 和 DeePEn-Adapt 在所有数据集上均取得了性能提升。在 GSM8K 上，通过与投票法组合使用，**取得了 11.35 的性能提升。

                               ^{表 2：不同模型数量下的集成学习性能。}
(3) 随着集成模型数量的增加，集成性能先增后减。作者在根据模型性能由高到低，依次将模型加入集成，然后观察性能变化。如表 2 所示，不断引入性能较差的模型，集成性能先增后减。

                              ^{表 3：在多语言机器翻译数据集 Flores 上，大模型与翻译专家模型之间的集成学习。}
(4)  集成大模型与专家模型有效提升特定任务性能。作者还在机器翻译任务上对大模型 LLaMA2-13B 和多语言翻译模型 NLLB 进行集成。如表 3 所示，通用大模型与任务特定的专家模型之间的集成，可以显著提升性能。
结论
当前的大模型层出不穷，但很难有一个模型能在所有任务上**碾压其他模型。因此，如何利用不同模型之间的互补优势，成为一个重要的研究方向。本文介绍的 DeePEn 框架，解决了不同大模型在分布融合时的词表差异问题，且无需**参数训练。大量实验表明，DeePEn 在不同任务、不同模型数量及不同模型架构的集成学习设置中，均取得了稳定的性能提升。