首页
/ EasyEdit项目中WISE方法Tokenizer填充策略的技术解析

EasyEdit项目中WISE方法Tokenizer填充策略的技术解析

2025-07-03 14:43:15作者:董斯意

在EasyEdit项目的WISE方法实现中,tokenizer的填充策略(padding side)选择是一个需要特别注意的技术细节。本文将从技术实现角度深入分析这一设计选择及其影响。

背景知识

在自然语言处理任务中,tokenizer的填充策略决定了在批处理不同长度序列时,填充符号(PAD token)的添加方向。常见的有两种选择:

  1. 右填充(padding_side='right'):在序列右侧添加填充符号
  2. 左填充(padding_side='left'):在序列左侧添加填充符号

WISE方法中的实现细节

在EasyEdit项目的WISE方法实现中,tokenizer的填充策略选择与模型类型密切相关:

  1. 对于Llama-2-chat这类对话模型,默认采用右填充策略
  2. 对于基础Llama模型,则采用左填充策略

这一差异源于对话模型与基础模型在训练和推理时的不同行为模式。对话模型通常采用右填充以保持生成连贯性,而基础模型使用左填充更有利于某些编辑任务。

技术实现分析

在代码层面,填充策略的选择通过以下逻辑实现:

if 'llama' in model_name.lower():
    # 初始化模型和tokenizer
    if isinstance(tok, (GPT2Tokenizer, LlamaTokenizer)) and alg_name not in ['ROME', 'MEMIT']:
        tok.padding_side = 'left'  # 基础模型使用左填充
    elif 'mistral' in model_name.lower() or 'llama' in model_name.lower() or 'qwen' in model_name.lower():
        tok.padding_side = 'right'  # 对话模型使用右填充

潜在问题与解决方案

在实际使用中发现,当使用Llama-2-chat模型时,AutoTokenizer默认返回的是LlamaTokenizerFast实例,这可能导致填充策略与预期不符。解决方案是显式设置use_fast=False参数:

self.tok = AutoTokenizer.from_pretrained(self.model_name, use_fast=False)

这样可以确保获得标准的LlamaTokenizer实例,使填充策略设置生效。

对模型编辑的影响

填充策略的选择直接影响标签掩码(label masking)的操作:

  1. 右填充时,标签掩码可能意外覆盖目标token
  2. 左填充能确保标签掩码只作用于提示部分,保留目标token完整

这种差异在"only_label"优化目标下尤为关键,因为错误的掩码可能导致模型学习到不正确的编辑目标。

最佳实践建议

基于上述分析,建议在使用WISE方法时:

  1. 明确模型类型(基础模型或对话模型)
  2. 检查tokenizer的实际填充策略
  3. 对于Llama-2-chat模型,考虑禁用fast tokenizer
  4. 在编辑前后验证标签掩码的正确性

通过遵循这些实践,可以确保模型编辑过程的稳定性和预期效果。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
260
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
854
505
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
254
295
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
331
1.08 K
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
397
370
note-gennote-gen
一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
kernelkernel
deepin linux kernel
C
21
5