众所周知，当前LLM是人工智能界的香饽饽，众多厂商和研究者都希望能够在LLM上进行应用推广和研究，这就难免需要对LLM进行下游任务的适配，最理想的情况当然是可以用私有数据，进行全网络端到端的微调。但是LLM现在参数量巨大，大部分都大于6B，有些甚至达到了100B以上，即便是端到端微调都需要大量的硬件资源。PEFT(Parameter-Efficient FineTune)旨在最高效地引入参数，探索合适的训练方式，使得LLM适配下游任务的代价最小化，而本文提到的Prompt Tuning [1] 就是这样一个工作。
在介绍这个工作之前，我们得知道什么是prompt，关于prompt的内容之前在博文[2]中曾经介绍过，简单来说，就是用某种固定的模板或者范式，尝试去让LLM去适配下游任务，从在prompt中是否提供例子的角度上看，又可以分为one-shot prompt, few-shot prompt, zero-shot prompt等。但是，在文章[3]中提到过，不同的prompt模板对性能的影响巨大，如Fig 1.所示，我们也把这种prompt称之为硬提示词（hard-prompt）。既然有『硬』的，那么就肯定有『软』的prompt，soft-prompt指的是模型可以通过学习的方式去学习出prompt模板，经典工作包括P-Tuning [3], prefix prompt [4], soft prompt [5]，以及本文将会介绍到的prompt tuning [1]。
Fig 1. 不同的prompt模板对性能影响巨大
如Fig 2.所示，在prompt tuning中，在原有hard prompt模板之前拼接了若干个可学习的token，我们用表示soft prompt部分，其中
为拼接的token数量，用
表示hard prompt部分。那么，完整的prompt可表示为
，模型的目标既变为了
。此时，LLM的参数和embedding层的参数都是设置为不可学习的 (❄)，整个网络只有soft prompt层是可学习的（????），这意味着微调模型需要的内存和计算代价都大大减小了 。
这是由于将LLM的参数设置成为了不可学习，因此在反向过程中很多参数并不需要在显存中维护。假设模型的参数量为X，那么常用的Adam优化器的两个动量就不需要维护了（减少2X），激活值通过重计算技术，已经缩减了绝大部分，并且梯度只需要传递到soft prompt部分，而不需要进行参数更新，因此梯度也可以不维护（减少X），因此所需显存减少了3X，并且减少了对参数更新的计算量。
Fig 2. prompt tuning在原有hard-prompt模板之前，拼接了若干个可学习的token，并将其视为soft-prompt。
只需要设置不同的soft prompt就可以适配不同的下游任务了，如Fig 3. 所示，在模型参数量足够大（）的时候，采用prompt tuning的效果足以比肩全参数微调，而且所需参数量只有后者的万分之一，是名副其实的参数高效（Parameter-Efficient）方法。而不管在什么尺度的模型下，prompt tuning的结果都要远远优于hard prompt design的结果，人工设计的prompt模板确实很难与模型自己学习出来的竞争。
Fig 3. （a）在10B以上的模型中，采用prompt tuning的结果可以和全模型端到端微调的结果持平，（b）而prompt tuning增加的参数量只有全模型端到端微调的万分之一。
此外，作者在论文中还进行了更多实验去验证prompt tuning的有效性和其他特性。第一个就是soft prompt所需要的长度，如Fig 4. (a)所示，在10B模型下，20-100个soft token是一个比较合适的数量，20个token能提供最大的性价比。如何初始化这些新增的soft token embedding也是一个指的思考的问题，作者尝试了随机均匀初始化，从词表的embedding中采样，以及对于分类任务而言，用label的类别embedding进行初始化，如Fig 4. (b) 所示，随机初始化在模型参数量不够的时候(< 10B)表现，不如从词表采样和label初始化的方法，但当模型参数量足够大时，随机初始化的效果能够达到最好，优于从词表中采样的方法。考虑到本文采用的LLM是T5，而T5是一个encoder-decoder的结构，在设计预训练任务的时候采用的是span corruption + 哨兵token的形式，如：
Origin: Thank you for inviting me to your party last week
Corrupted: Thank you for [X] me to your party [Y] week
Target: [X] inviting [Y] last [Z]
这样设计预训练任务能实现encoder-decoder架构的T5高效预训练，但是这意味着模型没有见过自然语言的输入（因为输入总是有哨兵token，比如[X]/[Y]等），为了实现T5到LM的适配，在本文中作者尝试对T5进行了LM Adaptation的后训练：继续T5的少量预训练，给定自然文本作为输入，尝试预测自然语言的输出，而不是带有哨兵token的文本。此外，作者还尝试了所谓的Span Corruption + 哨兵的方法，指的是在原T5模型基础上，在应用到下游任务预测时候，都给拼接上哨兵token，以减少下游任务和预训练任务的gap。如Fig 4. （C）所示，无论采用多大尺度的模型，采用了LM Adaptation能带来持续的增益，而Span Corruption或者Span Corruption+Sentinel的方法，则只在10B模型的尺度上能有比较好的效果（然而仍然无法超越前者）。那么LM Adaptation需要进行多少step的训练合适呢？在Fig 4. (d)中，作者进行了若干尝试，结果表明越多step将会带来越多的收益，最终作者选定在100k step。
Fig 4. 对prompt tuning不同设置的探索实验。
采用prompt tuning还有一个好处就是可以让多个下游任务复用同一个LLM模型。在模型微调中，对于每个下游任务都需要维护一套独立的模型，如Fig 5. 左图所示，而在prompt tuning中，则只需要维护一套静态的LLM模型，不同任务通过不同的soft prompt进行区分即可激发LLM的不同下游任务能力，如Fig 5. 右图所示，因为可以节省很多资源，这对于部署来说很友好。
Fig 5. 采用prompt tuning的方式，可以很方便的用同一个模型覆盖多个下游任务，实现资源节省。
Reference
[1]. Lester, Brian, Rami Al-Rfou, and Noah Constant. "The power of scale for parameter-efficient prompt tuning." arXiv preprint arXiv:2104.08691 (2021). aka Prompt Tuning.
[2]. https://blog.csdn.net/LoseInVain/article/details/130500648, 《增强型语言模型——走向通用智能的道路？！？》
[3]. Xiao Liu, Yanan Zheng, Zhengxiao Du, Ming Ding, Yujie Qian, Zhilin Yang, and Jie Tang. 2021. Gpt understands, too. arXiv:2103.10385. aka p-tuning
[4]. Li, Xiang Lisa, and Percy Liang. "Prefix-tuning: Optimizing continuous prompts for generation." arXiv preprint arXiv:2101.00190 (2021). aka prefix tuning
[5]. Qin, Guanghui, and Jason Eisner. "Learning how to ask: Querying LMs with mixtures of soft prompts." arXiv preprint arXiv:2104.06599 (2021). aka soft prompt