### 摘要低秩自适应（LoRA）是一种主流的参数高效微调方法，用于使大语言模型（LLMs）适应下游任务。在本文中，我们首次提出将 LoRA 微调后的大语言模型部署在混合内存计算（CIM）架构上（即，预训练权重存储在 RRAM 中，LoRA 存储在 SRAM 中）。为了解决 RRAM 固有噪声导致的性能下降问题，我们设计了一种新颖的硬件感知低秩自适应（HaLoRA）方法，旨在通过对齐理想和噪声条件下的训练目标，训练出既稳健又准确的 LoRA 分支。对 LLaMA 3.2 1B 和 3B 模型进行微调的实验证明了 HaLoRA 在多个推理任务中的有效性，在不同噪声水平下保持稳健性的同时，平均得分提高了 22.7。### 引言大语言模型（LLMs），如 GPT-4、LLaMA 和 Qwen，在各种自然语言处理（NLP）任务中展现出了出色的性能。然而，这种主要由大量模型参数驱动的成功，在实际应用中带来了两个关键挑战。第一，通过全模型微调使大语言模型适应下游任务需要巨大的计算资源。第二，模型推理需要大量的能源消耗，限制了这些模型的广泛部署。为了解决适应性限制问题，人们提出了各种参数高效微调（PEFT）方法。其中，低秩自适应（LoRA）因其简单有效而越来越受欢迎，它只需更新一个额外的低秩矩阵，同时保留原始的预训练权重。与此同时，为了提高推理效率，内存计算（CIM）架构直接在内存阵列中进行计算，通过阵列级并行计算实现高能效。电阻式随机存取存储器（RRAM）和静态随机存取存储器（SRAM）是用于 CIM 实现的两种典型存储设备。然而，将 LoRA 微调后的大语言模型部署在 CIM 架构上在很大程度上仍未被探索，这既带来了挑战，也带来了机遇。在本文中，我们提出了一种混合部署策略，利用基于 RRA