卷友們好，我是rumor。

之前我學習Prompt范式的源起PET后就鴿了很久，相信卷友們已經(jīng)把Prompt的論文都追完了，把我遠遠地落在了后面。周末我不甘被卷，奮起直追，連刷三篇paper，希望能趕上大家學習的步伐。

Prefix-tuning- Optimizing continuous prompts for generation

P-tuning-GPT Understands， Too

Prompt-tuning-The Power of Scale for Parameter-Efficient Prompt Tuning

自動化Prompt

Prompt范式的第一個階段，就是在輸入上加Prompt文本，再對輸出進行映射。但這種方式怎么想都不是很優(yōu)雅，無法避免人工的介入。即使有方法可以批量挖掘，但也有些復雜（有這個功夫能標不少高質(zhì)量語料），而且模型畢竟是黑盒，對離散文本輸入的魯棒性很差：

怎么辦呢？離散的不行，那就連續(xù)的唄

用固定的token代替prompt，拼接上文本輸入，當成特殊的embedding輸入，這樣在訓練時也可以對prompt進行優(yōu)化，就減小了prompt挖掘、選擇的成本。

如何加入Prompt

前面的想法非常單純，但實際操作起來還是需要些技巧的。

Prefix-tuning

Prefix-tuning是做生成任務，它根據(jù)不同的模型結(jié)構定義了不同的Prompt拼接方式，在GPT類的自回歸模型上采用［PREFIX， x， y］，在T5類的encoder-decoder模型上采用［PREFIX， x， PREFIX‘， y］：

值得注意的還有三個改動：

把預訓練大模型freeze住，因為大模型參數(shù)量大，精調(diào)起來效率低，畢竟prompt的出現(xiàn)就是要解決大模型少樣本的適配

作者發(fā)現(xiàn)直接優(yōu)化Prompt參數(shù)不太穩(wěn)定，加了個更大的MLP，訓練完只保存MLP變換后的參數(shù)就行了

實驗證實只加到embedding上的效果不太好，因此作者在每層都加了prompt的參數(shù)，改動較大

P-tuning

P-tuning是稍晚些的工作，主要針對NLU任務。對于BERT類雙向語言模型采用模版（P1， x， P2， ［MASK］， P3），對于單向語言模型采用（P1， x， P2， ［MASK］）：

同時加了兩個改動：

考慮到預訓練模型本身的embedding就比較離散了（隨機初始化+梯度傳回來小，最后只是小范圍優(yōu)化），同時prompt本身也是互相關聯(lián)的，所以作者先用LSTM對prompt進行編碼

在輸入上加入了anchor，比如對于RTE任務，加上一個問號變成［PRE］［prompt tokens］［HYP］？［prompt tokens］［MASK］后效果會更好

P-tuning的效果很好，之前的Prompt模型都是主打小樣本效果，而P-tuning終于在整個數(shù)據(jù)集上超越了精調(diào)的效果：

雖然P-tuning效果好，但實驗對比也有些問題，它沒有freeze大模型，而是一起精調(diào)的，相當于引入了額外的輸入特征，而平時我們在輸入加個詞法句法信息也會有提升，所以不能完全肯定這個效果是prompt帶來的。同時隨著模型尺寸增大，精調(diào)也會更難。

Prompt-tuning

Prompt-tuning就更加有信服力一些，純憑Prompt撬動了大模型。

Prompt-tuning給每個任務定義了自己的Prompt，拼接到數(shù)據(jù)上作為輸入，同時freeze預訓練模型進行訓練，在沒有加額外層的情況下，可以看到隨著模型體積增大效果越來越好，最終追上了精調(diào)的效果：

同時，Prompt-tuning還提出了Prompt-ensembling，也就是在一個batch里同時訓練同一個任務的不同prompt，這樣相當于訓練了不同「模型」，比模型集成的成本小多了。

其他Trick

除了怎么加Prompt之外，Prompt向量的初始化和長度也有所講究。

Prompt初始化

Prefix-tuning采用了任務相關的文字進行初始化，而Prompt-tuning發(fā)現(xiàn)在NLU任務上用label文本初始化效果更好。不過隨著模型尺寸的提升，這種gap也會最終消失。

Prompt長度

從Prompt-tuning的實驗可以看到，長度在10-20時的表現(xiàn)已經(jīng)不錯了，同時這個gap也會隨著模型尺寸的提升而減小。

總結(jié)

要說上次看PET時我對Prompt范式還是將信將疑，看完這幾篇之后就比較認可了。尤其是Prompt-tuning的一系列實驗，確實證明了增加少量可調(diào)節(jié)參數(shù)可以很好地運用大模型，并且模型能力越強，所需要的prompt人工調(diào)參就越少。

這種參數(shù)化Prompt的方法除了避免「人工」智能外，還有一方面就是省去了Y的映射。因為在精調(diào)的過程中，模型的輸出就被拿捏死了，而且Prompt-tuning還用label初始化Prompt，更加讓模型知道要輸出啥。

Finally，終于追上了前沿，大家的鬼點子可真多啊。

來源：李rumor

編輯：jq