一、概述

title：GPT Understands, Too

论文地址：https://arxiv.org/abs/2103.10385

代码：https://github.com/THUDM/P-tuning

1.1 Motivation

1. GPTs模型利用传统的fine-tuning技术在NLU任务上效果比较差，比同等量级的BERT效果要差。

1.2 Methods

1. 提出了新的P-tuning方法，构造一个可训练的连续prompt embedding，通过在连续空间中搜索更好的提示语prompt，来提升预训练模型的NLU能力。

1.3 Conclusion

1. 在知识探针检查任务LAMA上，zero shot条件下GPT复原了64%（P@1），提升了20+个点。
2. 在SuperGlue任务下，GPTs系列模型取得了可比的甚至超过BERTs系列监督学习的水平。
3. P-tuning也提升了BERTs系列模型few-shot和监督学习的表现，同时大幅降度prompt工程的需求。
4. P-tuning在SuperGlue任务上取得了sota的few-shot表现。

二、详细内容

1. 效果对比

1. 模型大小为110M时，原始Fine-tuning方法中，在SuperGlue任务中，GPT效果比BERT效果差的比较多，使用P-tuning方法后，GPT反而比BERT效果好，同时BERT模型效果也比Fine-tuning效果好。
2. 模型大小为340M时，GPT效果的提升更大。

2. 模型结构

• Discrete Prompt Search（离散prompt搜索）：原来的方法需要人工设置比较好的模板，来抽取得到正确的答案。

• • context：上下文，例如Britain
  • target：预测目标
  • （a）黄颜色为prompt token，只能收到离散的反馈

• P-tuning

• • 利用embedding构建pseudo prompts，可以自动搜索最佳的prompt，提升效果。
  • 也可以加一下anchor tokens例如（b）中蓝色Britain提升效果。

3. LAMA数据集表现

• MP：人工prompt
• FT：Fine-tuning方法，全量参数微调
• MP+FT：人工prompt+fine-tuning增强
• P- tuning：本文方法
• 结论：比所有离散prompt搜索方法都要好很多

4 SuperGlue数据集表现

• 比较了base版本和large版本，GPT-P-tuning的效果比fine-tune版本好很多，甚至有些能超过同等尺寸BERT fine-tune效果。

5 few-shot效果

• 32 few-shot的效果也还不错，比之前的PET系列的方法都要提升不少。

• 与人工设计的prompts方法和tuned prompts方法对比，在RTE任务上表现好不少。