别从零开始：基于可解释模型选择加速设备端LLM个性化
机器学习
2025-06-10 v1 人工智能
计算与语言
人机交互
摘要
大型语言模型(LLM)的个性化在实际应用中至关重要，以满足不同移动用户的个人需求。由于数据隐私 concerns，LLM个性化通常需在用户移动设备上本地化完成，但这种做法受限于设备计算能力的限制以及用户个人数据的不足。在本文中，我们通过对已个性化的LLM进行用户个人数据的微调，解决了上述限制，并提出了XPerT——一种新技术，基于它们被微调方式的可解释性确保选择这些已个性化LLM。我们在各种智能手机型号上实现并评估了XPerT，并实验结果表明，XPerT将设备端LLM个性化的计算成本降低83%，数据效率提高51%。
引用
@article{arxiv.2504.13938,
title = {Never Start from Scratch: Expediting On-Device LLM Personalization via Explainable Model Selection},
author = {Haoming Wang and Boyuan Yang and Xiangyu Yin and Wei Gao},
journal= {arXiv preprint arXiv:2504.13938},
year = {2025}
}
备注
15 pages