[论文学习]P-Tuning v2: Prompt Tuning Can Be Comparable to Fine-tuning Universally Across Scales and Task_p-tuning: prompt tuning can be comparable to fine-

[论文学习]P-Tuning V2

P-Tuning v2: Prompt Tuning Can Be Comparable to Fine-tuning Universally Across Scales and Tasks

P-Tuning v2一种在不同规模和任务中都可与微调相媲美的Prompt-Tuning方法,但并不是一个全新的方法，将文本生成的Prefix-Tuning优化并适应到NLU任务中,成为一个跨规模和NLU任务的

动机

1. 模型通用性:以前关于Prompt-Tuning的工作(或者说是P-Tuning v1)在正常大小的预训练模型中表现不够理想,100亿以上的参数量的预训练模型打败Fine-Tuning

2. 任务通用性:现在的Prompt-Tuning不能很好地处理序列标注任务

   首先，序列标注需要预测一连串的标签，而不是单一的标签。其次，序列标注通常预测的是无实际意义的标签，这对于将其转化为有效的verbalizers来说可能是个挑战

   为了解决这两个问题,提出P-Tuning V2

方法

施法前摇

前缀微调

​ 前缀微调（Li and Liang, 2021）最初是为自然语言生成（NLG）任务提出的，由[Prefix, x, y]三部分构成，Prefix为前缀，x为输入，y为输出。Prefix-tuning将预训练参数固定，Prefix参数进行微调：不仅只在embedding上进行微调，也在TransFormer上的embedding输入每一层进行微调。

​ 假设我们有自回归模型GPT(transformer的结构，12层)，让z = [x;y]，聚合x和y，$X_{idx}$是x的索引，${}_{idx}$是y的索引，$h_i(j)$是transformer第j步的输出，$h_i=[h_i(1),...,h_i(n)]$，生成$h_i$的输入是$z_i$和$h<i$为下式：
$$h_i={\mathrm{L}\mathrm{M}}_{\varphi }\left(z_i,h<i\right)$$
$h_i$来计算下一个token的概率分布:

$p(z_{i+1}|h<=i)=softmax(W{h}_i(n))$

还有一种生成式架构是encoder-decoder，就是BART，同GPT相比,就是BART的encoder是双向的，decoder是单向的。如下图所示:

​ prefix-tuning在生成式任务中可以替代fine-tuning，方法就是在自回归模型前加个prefix,z=[PREFIX;x;y]或者再encoder和decoder前都加prefix,z=[PREFIX;x;PREFIX’;y]，如问题描述中的图所示。$P_{idx}$表示prefix中的索引，$h_i$由下式所示:
h i = { P θ [ i , : ] ,  if  i ∈ P i d x L M ϕ ( z i , h < i ) ,  otherwise  h_{i}=

$$\begin{cases}P_{\theta}[i,:], & \text { if } i \in \mathrm{P}_{\mathrm{idx}} \\ \mathrm{LM}_{\phi}\left(z_{i}, h_{<i}\right), & \text { otherwise }\end{cases}$$ hi​={Pθ​[i,:],LMϕ​(zi​,h<i​),​ if i∈Pidx​ otherwise ​

​ 论文中提到，直接更新prefix的参数会导致优化的不稳定，因此会在prefix上加个mlp的映射:
$$P_{\theta }[i,:]={\mathrm{MLP}}_{\theta }\left(P_{\theta }^{\prime }[i,:]\right)$$

模型

P-Tuning V2实际上就是使用Prefix-Tuning,即在每一层embedding 中加入前缀prompt,将预训练参数固定，对Prefix Prompt进行微调

• P-tuning v1只有第一层的embedding加入prompt

• 假设Prefix部分由50个token组成，则P-Tuning v2共有 50x12=600个参数需要tuned。

• 在Prefix部分，每一层transformer的输入不是从上一层输出，而是随机初始化的embedding（需要tuned）作为输入。

• 其他改进

  1. 移除了Reparamerization加速训练方式

     作者发现P-Tuning v1中,在输入对随机初始化Pseudo token经过 一个LSTM 层 和两个前馈层,生成表示Pseudo token的新向量,这种方法是否有效取决于任务和数据集

  2. 多任务学习优化[可选]：基于多任务数据集的Prompt进行预训练，然后再适配的下游任务。

     Deep Prompt Tuning的优化难题可以通过增加额外的任务数据或者无标注数据来缓解,同时可微调的prefix contiguous prompt也可以用来做跨任务的共享知识

     比如NER中,可以同时训练多个数据集,不同数据集使用不同的顶层classifer,但是prefix contiguous prompt是相同的

  3. 不同的NLU任务采用不同长度的Prompt

     比如简单的分类喜欢小于20的Prompts,困难的序列标注问题喜欢较长的Prompts(大约100)

  4. 删除了带有LM头的verbalizers，并返回到带有普通线性头的传统类别标签。即重新利用[CLS]和字符标签，跟传统Fine-Tuning一样利用[CLS]或者token的输出做NLU，以增强通用性，可以适配到序列标注任务。

实验

settings: 全量数据 + Fixed LM Prompt Tuning。

不同大小的模型以研究模型通用性

​ P-tuning在较小的规模上没有优势。当涉及到自然语言在推理,蕴含和问答方面的复杂挑战时，它们的表现更差。

​ 相反，P-tuning v2 在较小规模的所有任务中与微调的性能相匹配。

​ 在更大规模的参数上（2B 到 10B），P-tuning和微调之间的差距逐渐缩小。在 10B 尺度上，Prompt-Tuning变得有竞争力。

​ P-tuning v2在所有规模上可以媲美微调的效果，而只需微调 0.1% 的特定任务参数。

跨越任务以研究任务通用性

GLUE和SuperGLUE的大多数任务都是相对简单的NLU问题。另一个重要的硬NLU挑战系列在于序列标注，它与一些更高级的NLP应用有关，包括开放信息提取、阅读理解等等

在 NER，QA 和 SRL 三个任务上测试：

• NER：对于多任务设置，结合三个数据集的训练集进行训练。对每个数据集使用不同的线性分类器，同时共享 continuous prompt 的参数；

• QA：对于多任务设置，混合 SQuAD 1.1 和 2.0 的数据集进行训练，不管是否有不可回答的问题；

• SRL：同 NER 的多任务设置。

从表里可以看到 P-tuning V2 的优势以及多任务学习的优势

（除了 QA，作者认为是混合了不可回答的问题的原因）

总结

P-tuning v2就是将Prefix-tuning应用到NLU任务上的一种方法。

贡献

1. 仅精调0.1%参数量(固定LM参数),在330M到10B参数规模LM模型上,均取得和Fine-Tuning相当的效果,

2. 将Prompt Tuning技术首次拓展至序列标注等复杂的NLU任务上

思考

• 经历过P-Tuning论文方法与GitHub代码不一致的事情,还是要自己去验证一下才能下结论

• P-Tuning v2并未在Few-Shot上验证性能,本来就是想用,有点违背初心了,使用prompt最开始的想法不就是为了提升在小样本的性能吗?