Question regarding the difference between llama-pro and the regular llama.（关于llama-pro和普通llama之间的区别的疑问）

[WUHU-G]

作者您好，毫无疑问，你们在llm的增量学习方面上做了一项优秀的工作。以下的llama均为llama2
但我对llama-pro有一点疑问。llama-pro是在llama的基础上添加了8层 identity block，同时进行了通用语料的全参数训练，所以我可以认为此时的8层 identity block已经退化为与其余32层类似的block，llama-pro也就成为了8.3B的普通的llama。
在后面的代码和数学预训练中，只不过是冻结了llama-8.3b的32层block，只微调8层block（当然这8个block的位置还是添加时候的位置）
所以，作者应该设置一个实验，将llama7b中的block冻结24层，微调8层（顺序上是每冻结3层block而开放一层block），这样就能证明是否有必要添加8层新的块进行微调。

Hello Author, undoubtedly, you have done excellent work in the incremental learning of LLM. Below, all "llama" refer to "llama2".
But I have a question about "llama-pro". "llama-pro" adds 8 layers of identity block on top of llama, and is trained with a general corpus with full parameter tuning. So I believe that at this point, the 8 layers of identity block have degenerated into blocks similar to the other 32 layers, making "llama-pro" essentially an 8.3B regular llama.
In the subsequent code and mathematical pre-training, it's just that 32 layers of the llama-8.3b block are frozen, and only the 8 layers are fine-tuned (of course, the positions of these 8 blocks are still where they were added).
Therefore, the author should set up an experiment where they freeze 24 layers in the llama7b block and fine-tune 8 layers (sequentially, freezing 3 layers of the block and opening one layer), which would demonstrate whether it is necessary to add 8 new layers for fine-tuning.

[hills-code]

感谢您的关注！“llama-pro是在llama的基础上添加了8层 identity block，同时进行了通用语料的全参数训练” 您可能在这里有点误解，我们添加8层identity block后并没有进行全参数训练，只是在后面的代码和数学预训练中训练新添加的8层identity block。您提出的实验我们会考虑的，我认为我们的方法区别于您所提出的这个setting在于，我们完全保留了原先LLaMA的参数，只训练了新增加的block，希望通过这个方法保留通用能力，并训练出一些即插即用的block（对于不同领域，您可以用同一个base model然后训练新的层）

[FanXiang]

感谢您的关注！“llama-pro是在llama的基础上添加了8层 identity block，同时进行了通用语料的全参数训练” 您可能在这里有点误解，我们添加8层identity block后并没有进行全参数训练，只是在后面的代码和数学预训练中训练新添加的8层identity block。您提出的实验我们会考虑的，我认为我们的方法区别于您所提出的这个setting在于，我们完全保留了原先LLaMA的参数，只训练了新增加的block，希望通过这个方法保留通用能力，并训练出一些即插即用的block（对于不同领域，您可以用同一个base model然后训练新的层）

请教下@hills-code，关于 “训练出一些即插即用的block” 是否可以理解为：运行block_expansion.py后llama2_7b_hf模型出来的就是带额外扩展的block的model (假如称为llama_pro_8B)，然后可以全参训练新扩展的block。我的疑问是：如果我针对两个不同领域分别训练出来了各种block，那么此时我的base model 应该是llama2_7b_hf 还是 llama_pro_8B？ 实现即插即用

我理解应该是基于llama_pro_8B+其中一个领域的block参数吧？

[hills-code]

运行block_expansion.py后llama2_7b_hf模型出来的就是带额外扩展的block的model (假如称为llama_pro_8B)，然后可以全参训练新扩展的block

扩展后的带额外的block的model我们不进行全参数训练，只对新增加的block训练；新增加的block是即插即用的模块。

例如可以对数学，代码领域训练新增加的1B参数量的blocks，也可以对其他领域训练新增加的1B参数量的blocks，基座都是原来的llama-7B

[FanXiang]

运行block_expansion.py后llama2_7b_hf模型出来的就是带额外扩展的block的model (假如称为llama_pro_8B)，然后可以全参训练新扩展的block

扩展后的带额外的block的model我们不进行全参数训练，只对新增加的block训练；新增加的block是即插即用的模块。

例如可以对数学，代码领域训练新增加的1B参数量的blocks，也可以对其他领域训练新增加的1B参数量的blocks，基座都是原来的llama-7B

'block即插即用' 指的是 llama-7B.load_state_dict(blocks checkpoint) 的意思吗？

[denghj3]

我们添加8层identity block后并没有进行全参数训练，只是在后面的代码和数学预训练中训练新添加的8层identity block。

想请问下，这里添加8层identity block后的预训练时，是只使用了增量的代码和数学数据吗？

[hills-code]

想请问下，这里添加8层identity block后的预训练时，是只使用了增量的代码和数学数据吗？

是的，我们用了the-stack-dedup中的python子集，还有proof-pile-2

[hills-code]

'block即插即用' 指的是 llama-7B.load_state_dict(blocks checkpoint) 的意思吗？

我的理解应该是llama-8B.load_state_dict(base_model_ckpt + blocks checkpoint)

[FanXiang]

'block即插即用' 指的是 llama-7B.load_state_dict(blocks checkpoint) 的意思吗？

我的理解应该是llama-8B.load_state_dict(base_model_ckpt + blocks checkpoint)

Thanks a lot !