背景

Autoregressive Langeuage Models

不完整的句子，预测剩下的空的词语

• sentence completion
  
  
  

Transformer-based ALMs

Masked language models-MLMs

预训练模型能将输入文本转成hidden feature representation

模型参数最开始是从预训练模型中拿到，然后给予具体任务再微调，中间模型参数可固定也可以微训练

• 相关paper
  
  
  
  

The Problems of PLMs

问题1：有label的数据少

问题2：模型慢慢越来越大了，推理费时间

4个任务需要4倍显存大小

推理耗时长

解决办法

Labeled Data Scarcity——Data-efficient-tuning

当数据少的时候，可能模型无法学习到上述任务功能

将数据转成自然语言的prompt，模型能更容易知道自己应该做什么

• 1 A prompt template: 告诉模型要做什么事，这里是填充中间的mask
  
• 2-一个plm模型执行任务，输出概率最大的可能情况

• verbalizer： 将标签和概率映射起来
  
  
  
  当标注数据比较少的话，标准微调是比较难训练好的；
  
  

few-shot learning

semi-supervised learning

• PET
  • 第一步：设计不同的prompt
    
  • 第二步：使用多个训练的模型去预测标签，将预测的结果加起来作为总的预测
    
  • 第三步：使用标准的训练方法，soft label
    

Zero-shot learning

大模型够大，就可以实现zero-shot

总结

• 蒸馏
• 提纯到下游任务

共享相关transfomer layers的参数

PLMs Are Gigantic——Reducing the Number of Parameters

转变为共用一个bert模型

Adapter

只更新adapter，不更新transformer；adapter做的事情是先降维，然后再升维，产生△h

每个下游任务只学习它自己的△h, transformer层的参数h不动，这样能大大减少需要的显存空间。

LoRA

先把低维向量变成高维，然后高维再变成低维。



Lora效果比adaper效果好，不会增加模型层数，参数量比adapter要小。

Prefix Tuning

在标准的自注意力结构的前面插了一些东西

在infer的时候把蓝色的部分丢掉

Soft Prompting

总结

Early Exit

用整个模型跑花很长时间


第一层的分类器信心不足，到第二层：

如果信心够了，就不用后面的过程了，以节约时间

总结

Closing Remarks