Afinamiento por Desplazamiento de Estado: Afinamiento Eficiente en Parámetros Basado en Estados para Modelos de Espacio de Estados

State-offset Tuning: State-based Parameter-Efficient Fine-Tuning for State Space Models

March 5, 2025

Autores: Wonjun Kang, Kevin Galim, Yuchen Zeng, Minjae Lee, Hyung Il Koo, Nam Ik Cho

cs.AI

Resumen

Los Modelos de Espacio de Estados (SSMs, por sus siglas en inglés) han surgido como alternativas eficientes a los Transformers, mitigando su costo computacional cuadrático. Sin embargo, la aplicación de métodos de Ajuste Fino Eficiente en Parámetros (PEFT, por sus siglas en inglés) a los SSMs sigue siendo en gran medida inexplorada. En particular, los métodos basados en prompts, como Prompt Tuning y Prefix-Tuning, ampliamente utilizados en Transformers, no funcionan bien en SSMs. Para abordar esto, proponemos métodos basados en estados como una alternativa superior a los métodos basados en prompts. Esta nueva familia de métodos surge naturalmente de las características arquitectónicas de los SSMs. Los métodos basados en estados ajustan directamente las características relacionadas con el estado en lugar de depender de prompts externos. Además, introducimos un nuevo método PEFT basado en estados: State-offset Tuning. En cada paso de tiempo, nuestro método afecta directamente el estado en el paso actual, lo que conduce a una adaptación más efectiva. A través de extensos experimentos en diversos conjuntos de datos, demostramos la efectividad de nuestro método. El código está disponible en https://github.com/furiosa-ai/ssm-state-tuning.

English

State Space Models (SSMs) have emerged as efficient alternatives to Transformers, mitigating their quadratic computational cost. However, the application of Parameter-Efficient Fine-Tuning (PEFT) methods to SSMs remains largely unexplored. In particular, prompt-based methods like Prompt Tuning and Prefix-Tuning, which are widely used in Transformers, do not perform well on SSMs. To address this, we propose state-based methods as a superior alternative to prompt-based methods. This new family of methods naturally stems from the architectural characteristics of SSMs. State-based methods adjust state-related features directly instead of depending on external prompts. Furthermore, we introduce a novel state-based PEFT method: State-offset Tuning. At every timestep, our method directly affects the state at the current step, leading to more effective adaptation. Through extensive experiments across diverse datasets, we demonstrate the effectiveness of our method. Code is available at https://github.com/furiosa-ai/ssm-state-tuning.