《Prefix-Tuning: Optimizing Continuous Prompts for Generation》阅读笔记

论文题目：Prefix-Tuning: Optimizing Continuous Prompts for Generation
论文链接：https://arxiv.org/pdf/2101.00190
论文来源：Arxiv （2021）
源码链接：https://github.com/XiangLi1999/PrefixTuning
转载请声明：爱学习NLP的皮皮虾

---

INTRODUCTION

微调（Fine-tunning）是使用大型预训练语言模型执行诸如摘要的下游任务的普遍方法，但它需要替换和存储LM的所有参数，因此，构建和部署依赖于大型预训练语言模型的NLP系统，需要为每个任务存储一个修改过的语言模型参数副本，由于预训练模型都有很大的参数量，这一操作可能是非常昂贵的。

解决这个问题的一种自然方法是轻量微调（lightweight fine-tunning），它冻结了大部分预训练参数，并用小的可训练模块来增强模型，比如在预先训练的语言模型层之间插入额外的特定任务层。适配器微调（Adapter-tunning）在自然语言理解和生成基准测试上具有很好的性能，通过微调，仅添加约2-4%的任务特定参数，就可以获得类似的性能。

GPT-3可以在不进行任何特定于任务的微调的情况下部署，即用户在任务输入前添加一个自然语言任务指令和一些示例，然后从LM生成输出。这种方法被称为情境学习（in-context learning）或提示（prompting）。

本文提出了前缀微调（prefix-tunning），用于生成任务的轻量微调。前缀微调将一个连续的特定于任务的向量序列添加到输入，称之为前缀，如下图中的红色块所示。与提示（prompt）不同的是，前缀完全由自由参数组成，与真正的token不对应。相比于传统的微调，前缀微调只优化了前缀。因此，我们只需要存储一个大型Transformer和已知任务特定前缀的副本，对每个额外任务产生非常小的开销。

METHOD

1. 问题陈述

本文考虑两个生成任务：table-to-text 和摘要任务。

其中Pidx表示第idx个位置是前缀，|Pidx|表示前缀长度

对于table-to-text任务，本文使用自回归语言模型GPT-2，输入为source（ x ）和target（ y）的拼接，模型自回归地生成 ：

 

对于摘要任务，本文使用BART模型，编码器输入source文本 x ，解码器输入target黄金摘要（ y ），模型预测摘要文本 。

 

在传统微调方法中，模型使用预训练参数进行初始化，然后用对数似然函数进行参数更新。

2. 前缀微调

关于前缀/提示的设计，我们可以给模型若干的字词作为提示，比如我们想让模型生成“Obama”，那我们可以在其常见的搭配前加上上下文(例如，Barack)，那么LM就会把更高的可能性分配给想要的单词。但是对于很多生成任务来说，找到合适的离散的前缀进行优化是非常困难的，尽管它的效果是不错的。

因此本文将指令优化为连续的单词嵌入，而不是通过离散的token进行优化，其效果将向上传播到所有Transformer激活层，并向右传播到后续的token。严格来说，这比离散提示符更具表达性，后者需要匹配嵌入的真实单词。

对于自回归模型，加入前缀后的模型输入表示：

对于编解码器结构的模型，加入前缀后的模型输入表示：

本文构造一个矩阵 去存储前缀参数，该前缀是自由参数。

 

目标函数依旧是公式（2），但是语言模型的参数是固定的，只更新前缀参数。

除此之外，作者发现直接更新前缀参数会出现不稳定的情况，甚至模型表现还有轻微的下降，因此作者对前缀参数矩阵进行重参数化：

其中 在第二维的维数要比小，然后经过一个扩大维数的MLP，一旦训练完成，这些重参数化的参数就可以丢弃，只保留。

 

 

 

EXPERIMENTS

1. 数据集和指标

table-to-text任务：

数据集：E2E，WebNLG，DART
指标：BLEU, METEOR, TER, Mover-Score, BERTScore, BLEURT

摘要任务：

数据集：XSum
指标： ROUGE-1, ROUGE-2, ROUGE-L

2. 实验结果

table-to-text

摘要：

低资源分析：

前缀长度分析：

CONCLUSION

本文提出一种更好的微调方法，通过加入前缀实现统一模型在不同任务上的微调，实现小样本学习，极大地减少了参数量。目前对于前缀的构造，大致可以分为本文的连续前缀和离散前缀（自动生成或手动设计），对于在摘要任务上加入离散前缀，有点类似于从对话中提取特征或结构，但这种方法的优势就在于它不需要大量的样本，而传统的融入结构的方法仍然需要很多样本。感觉这种方法可能是摘要任务之后的趋势之一。