Prefix-Tuning论文解读

news2024/11/17 21:25:37

论文名称：Prefix-Tuning: Optimizing Continuous Prompts for Generation

论文地址：https://arxiv.org/pdf/2101.00190.pdf

论文代码：https://github.com/XiangLi1999/PrefixTuning

想搞prompt，看了好多篇，挑着记录一下。好快，明年就要毕业啦！

1. 简介

微调是利用大型预训练语言模型来执行下游任务时所使用的方法。但是，它会修改所有语言模型参数，因此需要为每个任务存储完整的模型。本文提出prefix-tuning，一种用于自然语言处理任务的可以替代fine-tune的轻量级方法，它冻结语言模型的参数而代之以优化一系列连续的任务特定(task-specific)向量，称之为prefix。前缀微调从提示学习中获得启发，引导后续的token关注这个prefix，就好像它是虚拟的单词一样。实验结果表明，仅需修改0.1%的参数，即可以在量和小量数据上达到不错的效果，在低数据集条件下优于微调，并且能更好地外推到训练过程中没有发现的主题的例子。

微调是利用大型预训练语言模型（LM）来执行下游任务时所使用的方法，但它需要更新和存储LM的所有参数。因此，要构建和部署依赖于预训练语言模型的NLP系统，目前需要单独为每个任务对LM参数修改后的模型进行存储。考虑到LM的大尺寸，这可能会很话费很大的存储空间。
　　这种问题的一个自然解决方法是轻量级微调，它冻结了大部分预训练模型的参数，并使用一个小训练模块来增强预训练模型。
　　极端情况下，GPT-3甚至不需要任何特定任务的finetune，就可以被使用。或者，用户仅需添加某个自然语言任务指令（例如，摘要任务中的TL;DR）以及少量的输入样例，然后就能从LM生成输出。这种方法被称为in-context learning或prompting。
　　在本文中，我们提出了Prefix-Tuning，一种轻量级替代方法，可以用于自然语言生成（NLG）任务。考虑生成一个数据表格的文字描述的任务，如图1所示，任务输入是表格的线性表示（例如，“name: Starbucks | type: coffee shop”），输出是文字描述（例如，“Starbucks serves coffee.”）。Prefix-tuning将一系列continuous task-specific的向量序列添加到输入中，我们称之为prefix，如图1下方所示的红色块。Prefix作为子序列字符，Transformer可以把它作为一系列“virtual tokens”进行计算，但与prompting不同，prefix完全由不对应于真实字符的参数组成。与图1上方中的微调相比，Prefix-tuning仅优化prefix参数。因此，我们只需要存储一个大型transformer模型和多个学习的任务特定的prefix参数，这对每个任务仅产生了非常小的开销。
　　与微调方法相比，Prefix-Tuning是模块化的：我们训练一个上游prefix，来指导下游未被修改的LM。因此，单个LM可以立即支持许多任务。在对应于不同用户的个性化任务中，我们可以仅在该用户的数据上训练出用户单独的prefix，从而避免数据交叉污染。此外，基于prefix的架构使我们甚至可以在单个batch中处理多用户或多任务数据，而这对其他轻量级fine-tuning方法是不可能的。

2. 核心要点

template的构建：不采用离散的template token，而使用连续可调的矩阵来调整template；
将prompt-tuning用于语言模型的生成任务上；

2.1 Motivation

传统的fine-tuning是在大规模预训练语言模型上完成的，而大规模模型非常贵。
一种解决这个问题的方法是采用轻量级的微调（ligthweight fine-tuning），即先固定预训练语言模型的参数，然后只对一小部分的可训练参数进行微调。
GPT-3提出了in-context learning，不需要引入任何参数的fine-tuning方法，然而，因为Transformers 只能基于有界长度的上下文（例如，GPT3最大长度为2048个token），因此在线学习仅限于非常小的训练集。
受到prompt的启发，提出一种prefix-tuning方法用于生成任务上，只优化前缀。因此，我们只需要存储LM的一个副本和一个学习到的任务特定前缀，这为每个额外的任务带来非常小的开销，Prefix-tuning属于广义上的轻量级微调，即冻结大部分预训练参数，仅一小部分参数。
在特定的任务上，只需要保存prefix部分的参数即可。

2.2 问题描述

table-to-text任务：输入 X XX 表示一个线性的表格，输出 Y YY 表示一个短文本；

对于自回归LM，在某一时刻 i，Transformer的每一层的隐状态向量拼接起来之后用于预测下一个词；直接在输入前面拼接prefix，自回归模型表示为 z = [ prefix ; x ; y ]；对于编码器-解码器LM，encoder和decoder均前置一个前缀，即z = [ prefix ; x ; prefix ′ ; y ] 。本质上，其实是在每一层每一个token的K、V向量之前拼接上一个Prefix向量：

可以将token优化为连续词嵌入，而不是优化离散标记，其效果将向上传播到所有 Transformer 激活层，然后向右传播到后续标记。这比需要匹配真实单词嵌入的离散提示更具表现力。同时，这不如干预所有激活层的表现力，这避免了长期依赖并包括更多可调参数。因此，Prefix-Tuning优化了前缀部分对应的所有层参数。

3. Intuition

受到prompting的启发，我们认为具有适当的上下文可以在不改变参数的情况下来引导LM。比如我们想生成一个词，我们可以找到一个合适的上下文添加到单词前，LM为我们生成期望最高的下一个词（也可以采用束搜索），这种方法有时候会成功，有时候会失败。

直观的理解，加prompt实际上就是在改装输入x，期望可以指导它抽取我们想要的特征，然后影响encoder，最后影响结果y。但是作者认为prompt它是一个离散的值，它可能不是一个明显的instructions，于是作者的方法是用一个连续的字符来替换之前的离散的instruction，这可能更具有表现力。这方法类似于lora，在特定的任务上，我只需要选择不同训练好的prefix。

4. Method

Prefix-tuning将自回归LM的prefix添加到序列前，以获取z = [ Prefix ; x ; y ]，或者为编码器和编码器都添加prefix，以获取z = [ Prefix ; x ; Prefix ′ ; y ]，我们使用 $P_{idx}$ 表示前缀索引序列,∣ $P_{idx}$ ∣表示前缀的长度。