增量预训练，在所属领域数据上继续预训练，主要问题是灾难性遗忘

?增量预训练也叫领域自适应预训练（domain-adapter pretraining），即在所属领域数据上继续预训练。

主要问题是在增量预训练后可能发生灾难性遗忘。

避免灾难性遗忘主要从以下几个方面入手：

1 领域相关性

增量数据与所选基座模型的原始训练数据尽量一定的相关性。

2 新数据分布与原始数据尽量相似

领域数据和通用数据的比率，结合具体数据：10%，15%，20%的都有。

方案之一是：让无监督数据和指令数据混合，合并增量预训练和微调两个阶段。

3 降低学习率

增量预训练2e-5；指令微调需要更低1e-6；但是得多跑几轮不然学不到领域知识

4 进行warm up，

在第一轮训练的时候，每个数据点对模型来说都是新的，模型会很快地进行数据分布修正，如果这时候学习率就很大，极有可能导致开始的时候就对该数据“过拟合”，后面要通过多轮训练才能拉回来，浪费时间。当训练了一段时间（比如两轮、三轮）后，模型已经对每个数据点看过几遍了，或者说对当前的batch而言有了一些正确的先验，较大的学习率就不那么容易会使模型学偏，所以可以适当调大学习率。这个过程就可以看做是warmup。那么为什么之后还要decay呢？当模型训到一定阶段后（比如十个epoch），模型的分布就已经比较固定了，或者说能学到的新东西就比较少了。如果还沿用较大的学习率，就会破坏这种稳定性，用我们通常的话说，就是已经接近loss的local optimal了，为了靠近这个point，我们就要慢慢来。

5?对新任务中参数的变化施加惩罚

6 知识蒸馏（KD），使微调模型的预测结果接近旧模型的预测结果。