2021-arxiv-Prefix-Tuning- Optimizing Continuous Prompts for Generation

Paper：https://arxiv.org/pdf/2101.00190.pdf

Code：https://github.com/XiangLi1999/PrefixTuning

前缀调优：优化生成的连续提示

prefix-tunning 的基本思想也是想减少对模型的参数的改动，低资源对大模型进行SFT达到预期的效果。该方法想法比较直接，自然语言的token固定无法使用反向传播进行优化，那么就在原始输入的token前面添加固定长度的任务相关的virtual tokens ，一起作为新的输入。在训练的时候，会freeze模型的参数，只训练该部分prefix token的参数。

模型架构

对于fine-tuning，会更新模型的所有参数，但是prefix-tuning只更新prefix-tokens的参数，这样不同的任务在微调后，只需要保存对应任务的prefix tokens，因此相较于fine-tuning，prefix-tuning的成本会小的多。

和Pre-training不同的是，prefix- tuning 在上游任务中训练一个语言模型，并可以用于很多不同的下游任务。可以为每个用户设置一个单独的前缀，只对该用户的数据进行训练，从而避免数据交叉污染。此外，基于前缀的架构使甚至可以在一个批次中处理来自多个用户/任务的样本，这是其他轻量级微调方法所不能做到的。

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；

自回归模型：在某一时刻 i ii，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；

整体采用encoder-to-decoder架构；

方法：Prefix-Tuning

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。

添加一个prefix，自回归模型表示为 z = $prefix; x ; y$ \mathrm{z}= $\\text { prefix; } \\mathrm{x} ; \\mathrm{y}$ z= $prefix; x;y$ ，encoder decoder模型表示为 z = $prefix; x ; prefix ' ; y$ \mathrm{z}=\left $\\text { prefix; } \\mathbf{x} ; \\text { prefix }\^{\\prime} ; \\mathrm{y}\\right$ z= $prefix; x; prefix ';y$
输入部分prefix, x ,y 的position id分别记作 P i d x , X i d x 和 Y i d x ; P_{\mathrm{idx}}, X_{\mathrm{idx}} \text { 和 } Y_{\mathrm{idx}} \text {; } Pidx,Xidx 和 Yidx;
prefix-tuning初始化一个训练的矩阵，记作 P θ ∈ R ∣ P i d x ∣ × dim ⁡ ( h i ) \mathrm{P}\theta \in \mathbb{R}^{\left|\mathrm{P}{\mathrm{idx}}\right| \times \operatorname{dim}\left(\mathrm{h}_{\mathrm{i}}\right)} Pθ∈R∣Pidx∣×dim(hi)，这部分参数用于存储prefix parameters：

h i = { P θ $i , :$ , if i ∈ P i d x LM ⁡ ϕ ( z i , h < i ) , otherwise h_i= \begin{cases}P_\theta $i,:$ , & \text { if } i \in \mathrm{P}{\mathrm{idx}} \\ \operatorname{LM}\phi\left(z_i, h_{<i}\right), & \text { otherwise }\end{cases} hi={Pθ $i,:$ ,LMϕ(zi,h<i), if i∈Pidx otherwise

即，处于前缀部分token，参数选择设计的训练矩阵，而其他部分的token，参数则固定且为预训练语言模型的参数。

训练目标为：
max ⁡ ϕ log ⁡ p ϕ ( y ∣ x ) = ∑ i ∈ Y i d x log ⁡ p ϕ ( z i ∣ h < i ) \max \phi \log p\phi(y \mid x)=\sum_{i \in \mathrm{Y}{\mathrm{idx}}} \log p\phi\left(z_i \mid h_{<i}\right) ϕmaxlogpϕ(y∣x)=i∈Yidx∑logpϕ(zi∣h<i)