关于pretrain阶段的一些疑问

[chenhk-chn]

提交前必须检查以下项目

• [X] 请确保使用的是仓库最新代码（git pull），一些问题已被解决和修复。
• [X] 由于相关依赖频繁更新，请确保按照Wiki中的相关步骤执行
• [X] 我已阅读FAQ章节并且已在Issue中对问题进行了搜索，没有找到相似问题和解决方案
• [X] 第三方插件问题：例如llama.cpp、text-generation-webui、LlamaChat等，同时建议到对应的项目中查找解决方案
• [X] 模型正确性检查：务必检查模型的SHA256.md，模型不对的情况下无法保证效果和正常运行

问题类型

其他问题

基础模型

LLaMA-13B

操作系统

Linux

详细描述问题

想咨询一下关于扩充词表进行pretrain的问题。 我阅读了您的QA以及一些issue，发现两种预训练方式。 一是早期的，stage1是针对扩充的词表，先训练resize之后的embedding，再用lora进行embedding、lm head和transformers的pretrain 二是后期的，直接用lora进行embedding、lm head和transformers的pretrain

我的问题是： 在早期的一中，stage1中为什么只训练embedding，而不把对应的lm head也一起训了？ 在后期的二中，针对新词表扩充的embedding和lm head的参数是随机初始化的吗？然后直接用lora去pretrain整个模型吗？这样会不会带来一个问题，也就是初始模型新增词表部分是随机参数，但是对应的lora模型的参数是有序的，融合后这部分的效果会不太好。

依赖情况（代码类问题务必提供）

# 请在此处粘贴依赖情况

运行日志或截图

# 请在此处粘贴运行日志

[ymcui]

关于stage1/2的问题我们已经在技术报告中给出解释了，属于历史遗留问题，不推荐使用。

[chenhk-chn]

嗯嗯，我看过技术报告了。只是很好奇为啥stage1但是决定只训练embedding，而不带上lm head

[chenhk-chn]

另外是后期的训练方式中，embedding和lm head的reisze之后，新增的权重是随机初始化的吗？然后直接配一个lora进行训练吗？

[github-actions[bot]]

This issue has been automatically marked as stale because it has not had recent activity. It will be closed if no further activity occurs. Thank you for your consideration.

[github-actions[bot]]

Closing the issue, since no updates observed. Feel free to re-open if you need any further assistance.