大模型“取长补短”新思路入选NeurIPS'24，显著优于现有路由方法，南科大港科大出品-51CTO.COM

高效组合多个大模型“取长补短”新思路，被顶会NeurIPS 2024接收。

名为RouterDC，是一种基于双重对比学习的路由架构，具有参数高效性（小于100M的参数）和计算高效性（不需要对于LLM进行梯度回传）的优势。

在具有挑战性语言理解、代码生成和数学推理等推理任务实验中，RouterDC在分布内（+2.76%）和分布外（+1.90%）设定下，都远超于现有的routing方法。

众所周知，LLM通常在不同数据集上预训练和微调，导致它们在不同任务上的性能强弱不同。

LLM路由则是一种组合多个LLM的新思路，它通过学习一个路由器（Router）来为每一个请求（query）选择最合适的LLM。在推理时，LLM路由只需要调用所选的LLM进行推理，使其在保持计算高效性的同时利用多个LLM的互补能力。

RouterDC这种新方法，包括一个较小的语言模型作为编码器和一系列与候选LLM对应的可学习的LLM embeddings。

对于训练数据中的每个query，首先将候选LLM的预测与真实标签进行比较获得表现最好和最差的LLM，然后构造两个对比损失：

sample-LLM对比损失：使得query embedding（由编码器提取）与表现最佳的LLM embeddings相似，同时与表现最差的 LLM embeddings不相似。
sample-sample对比损失：提高训练的稳定性，将所有训练query聚类成多个组，最大化同组query之间的相似性的同时最小化不同组query之间的相似性。

这项研究由来自南方科技大学，香港科技大学的研究团队提出，以下是更为详细的介绍。

Router架构

如图1所示，RouterDC包括一个较小的语言模型（mDeBERTaV3-base）作为编码器ε，和一系列的与候选LLM对应的可学习LLM嵌入k_T。对于每个query x_i，RouterDC生成对于T个LLMs的选择概率如下：

其中，sim(·,·)表示cosine相似度。

△图1：RouterDC方法示意图

sample-LLM对比损失

为了训练router，研究者将query的样本嵌入和在其上表现最好的K₊个LLM对应嵌入拉进，和在其上表现最差的K_-个LLM对应嵌入拉远。因此，样本-LLM对比损失可以表示为：

sample-sample对比损失

研究者通过实验发现，在routing问题中只使用样本-LLM对比损失并不稳定，使得相似的query可能具有不相似的嵌入。

为了提升训练的鲁棒性，训练样本被聚类成不同的组，从而在训练中拉近同一个组内的样本，拉远不同组的样本。和样本-LLM对比损失类似，样本-样本对比损失可以公式化为：

训练及推理

最终的优化目标为最小化样本-LLM对比损失和样本-样本对比损失的结合：

推理时，每个测试query只需要通过训练好的router选取概率最大的LLM，并使用选择的LLM对query进行回答。

RouterDC在训练时不需要任何经过LLM的梯度回传，并且在推理时只需要调用进行一次LLM，同时具有训练和推理的高效性。

主要结果

RouterDC在分布内数据集的测试准确率结果如表1所示。可以发现：

RouterDC显著好于最优的单个模型，平均具有3.98%性能提升。在单个任务的层面，RouterDC在三个任务上相比表现最优的单个模型取得了准确率的提升，其中GSM8K提升了0.51%，ARC-C提升了0.57%，HumanEval提升了1.63%。

和现有路由方法CosineClassifier以及ZOOTER对比，RouterDC在所有任务上都具有更好的表现。和LoraRetriever对比，RouterDC具有平均2.77%的准确率提升。

△表1：分布内任务的测试准确率（%）

为了评估RouterDC的泛化能力，表2展示了RouterDC在三个分布外数据集（PreAlgebra，MBPP，C-EVAL）的测试准确率。

可以看出，RouterDC再次达到最高的测试准确率，显著超过表现最佳的单个LLM（dolphin-2.9-llama3-8b）1.9%。

△表2：分布外任务的测试准确率（%）

sample-sample损失的作用

为了探究样本-样本损失的作用，图3展示了在是否有样本-样本损失的条件下训练和测试准确率曲线。可以看出，RouterDC（w/o L_{sample-sample}）有明显的震荡现象，而RouterDC则稳定得多。

△图2：RouterDC在GSM8K任务上的训练和测试准确率曲线

图3（a）可视化了使用RouterDC（w/o L_{sample-sample}）提取的训练样本的TSNE特征，可以看到，属于不同任务的训练样本粗略地混合在一起。而在结合L_{sample-sample}之后，训练样本有了清晰的聚类结构（如图3（b）所示）。

△图3：学习到的router所提取出训练样本embedding的t-SNE可视化

RouterDC具有成本高效性

由于价格（cost）同样是一个评估LLM的重要指标，研究者通过RouterBench上的两个任务的实验来格外考虑cost的影响。如图16所示，RouterDC相比于CosineClassifier和ZOOTER更加的成本高效。

△图4：在RouterBench上使用不同的Cost获取的测试准确率

论文地址：https://arxiv.org/abs/2409.19886
代码地址：https://github.com/shuhao02/RouterDC