EasyEdit项目中WISE方法Tokenizer填充策略的技术解析

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。