训练大模型时，有时让它“记性差一点”，反而更聪明！
大语言模型如果不加约束，很容易把训练数据原封不动地复刻出来。为解决这个问题，来自马里兰大学、图宾根大学和马普所的研究团队提出了一个新方法——金鱼损失（Goldfish Loss）。
顾名思义，金鱼损失就是让模型像金鱼一样，不去死记每一个细节，而是在损失函数计算时随机剔除一小部分token。
由此，模型不再逐字记住训练集内容，但仍能学会语言规律。
实验显示，LLaMA-2在使用金鱼损失后：
- 记忆化内容显著减少：模型不再复现训练数据
- 下游任务性能几乎不受影响：仍然能流畅生成文本
用网友的精辟评论概括就是：dropout，但损失函数！
在梯度计算中随机屏蔽部分token
金鱼损失的核心理念非常简单，就是在模型训练过程中随机剔除一部分训练文本中的tokens，使其不参与损失计算。
这样一来，当模型在推理阶段遇到这些位置时，就只能“猜测”，而不是逐字逐句复现训练数据的完整序列。
此外，为了保证被剔除token的一致性，研究人员设计了一种基于哈希（hashing）的掩码策略。
那么，这和同样是防止模型背会的正则化方法有什么不同呢？
以Dropout这样的正则化方法为例，它通过在训练时“加噪声”来防止模型过度依赖某些参数，从而提高模型举一反三的能力。
但这样做的问题在于：如果只是随机丢token，那么，每次看到同一段落时，丢掉的地方不一样，模型累计几次就能拼凑出完整段落。
所以，说到底，模型还是靠死记硬背，记住了答案。
相比之下，金鱼损失则用哈希掩码确保每次遇到同一段落，掩盖位置都一样，这就从根本上阻止了模型复现完整训练文本。
接下来，我们来看金鱼损失具体是怎么做的。
在传统的next-token prediction中，模型以序列中的下一个真实token作为目标，输出预测分布，并基于该分布计算交叉熵损失。
在金鱼损失下，模型虽然也在前向传播中预测序列里下一个 token。但在计算损失时，会以一定的概率将某些位置的token从损失计算里“抹掉”。
也就是说，有些真实的下一个token不会作为目标来训练。
在这里，研究人员采用了简单的静态掩码（static mask），剔除每序列中的第4个token。
更进一步，为了确保模型不会从其他地方学到被掩码的数据（例如不同的文档会在不同的网页中反复出现），研究团队还提出了一种局部化哈希掩码（localized hashed mask），使得当相同的前h个token出现时，掩盖模式是相同的（可重复）。
实验测试与结果
为了验证金鱼损失确实能防止记忆化，研究团队设计了两种实验场景：
一种是极端场景，通过对少量样本进行多个训练周期（即重复）来强烈促使记忆化；
另一种是标准场景，模拟现实模型训练中使用的批次处理方式 。
同时，为了评估模型的记忆化程度，研究采用了以下指标：
- RougeL得分：该指标衡量最长公共（非连续）子序列的长度 。得分为1.0表示完美记忆 。
- 精确匹配率（Exact Match）：该指标衡量正确预测的序列占真实序列的百分比.
实验表明，在极端场景下，标准训练导致模型逐字记忆了100篇文章中的84篇，而金鱼损失没有记忆任何文章。
（注：实验让LLaMA-2-7B在《哈利·波特》第一章或100篇维基百科文档上进一步训练了100个epoch）
此外，在标准训练场景下，金鱼损失也明显减少了模型逐字复现训练语料库中目标序列的情况。
但这里可能有个直觉式的反应——如果让模型“随机漏学”一些token，它的能力会不会也随之降低呢？
对此，研究人员进行了测试：研究表明，金鱼损失模型、标准损失模型和对照模型之间的总体性能没有系统性差异。
需要注意的是，金鱼损失的核心在于忽略部分token的梯度计算。因此，为了学到足够的语言模式，模型必须通过更多数据来补偿这些空缺，这可能导致计算效率的下降。
