共计 4019 个字符，预计需要花费 11 分钟才能阅读完成。
编者按：在理论部署大模型的过程中可能会面临资源限度的问题。通过轻量化大模型微调技术，能够将大型预训练语言模型适配到特定畛域、特定工作，并减小其模型尺寸和计算量需要，进步性能和效率。
在上一篇文章中，咱们分享了大语言模型的次要微调技术总览。接下来，本文将介绍轻量化大模型微调技术，重点关注 Prompt Tuning 和 Prefix Tuning。
以下是译文，Enjoy!
本文经原作者受权，由 Baihai IDP 编译。如需转载译文，请分割获取受权。
原文链接：
https://magazine.sebastianraschka.com/p/understanding-paramet…
作者 | SEBASTIAN RASCHKA, PHD
编译 | 岳扬
01 Prompt Tuning
Prompt Tuning 是一种通过扭转输出提醒语（input prompt）以取得更优模型成果的技术。举个例子，如果咱们想将一条英语句子翻译成德语，能够采纳多种不同的形式向模型发问，如下图所示：
这是一个 hard prompt tuning 示例，通过尝试多种输出提醒来取得更好的输入成果。
这个案例采纳的是 硬提醒调优（hard prompt tuning） 办法，因为它间接批改了离散的输出标记（input tokens），而这些标记是不可再分的。
译者注：在自然语言解决畛域，个别将文本进行分词解决，将一个句子拆分为一个个离散的单词或标点符号作为 input token。每个 token 代表一个离散的语义单位，模型能够依据这些 token 进行语义了解和生成回复。
例如，对于句子 “ 你好，很快乐见到你！”，能够将其合成为以下离散的 input token：
[“ 你 ”, “ 好 ”, “，”, “ 很 ”, “ 快乐 ”, “ 见到 ”, “ 你 ”, “！”]
这些离散的 token 能够作为模型的输出，用于训练或生成对话回复。留神，在应用离散的 input token 时须要将其转换为对应的向量示意（如词嵌入示意），以便模型可能对其进行解决和学习。
与硬提醒调优（hard prompt tuning）相同，软提醒调优（soft prompt tuning）办法 （Lester 等人，2021 年[1]） 将输出标记（input tokens）的嵌入（embeddings）与可通过反向流传算法（backpropagation）进行优化的可训练张量（tensor）连接起来，以进步模型在指标工作上的性能。
伪代码如下所示：
阐明 soft prompting 相干概念的伪代码
与离散的文本 prompt 不同，软提醒（soft prompts）是通过反向流传算法（back-propagation）取得的，因而能够依据已标注数据集的 损失函数反馈（loss feedback）进行调整。
相较于全参数微调（full-finetuning），软提醒调优（soft prompt tuning）具备 更高的参数效率 （more parameter-efficient），但应用软提醒调优的 模型性能可能稍逊一筹，如下图所示。
该图来自提出 soft prompting 的论文，https://arxiv.org/abs/2104.08691
另一方面，如果模型参数为 11B，则依据上图所示，软提醒调优（soft prompt tuning）能够达到全参数微调（full fine tuning）的性能程度（须要留神的是，LLaMA 模型的最小参数规模为 7B，最大参数规模为 65B）。
存储效率
如果咱们想要将大模型利用于特定工作，并因而须要微调预训练模型，通常须要为每个工作保留整个模型的正本。然而，如果应用 prompt tuning，咱们只须要为每个工作保留一个小小的 task-specific soft prompt。例如，对于 T5 “XXL” 模型，每个微调模型正本须要 110 亿个参数。相比之下，假如 prompt 长度为 5 个 tokens，嵌入的 size 为 4096 维（4096-dimensional），对于每个每个工作，通过 prompt tuning 只须要20480 个参数，这相当于 缩小了五个数量级以上的参数量。
02 从 Prompt Tuning 到 Prefix Tuning
目前，有一种非凡的、被独立开发的 prompt tuning 形式被称为 前缀调优（prefix tuning） (Li & Liang 2021[2])。其思维是将可训练的张量（trainable tensors）增加到每个 Transformer 块中，而非像 soft prompt tuning 中那样只增加输出嵌入(input embeddings)。同时，通过全连贯层（fully connected layers，两层并且具备非线性激活函数的小型多层感知机）获取 soft prompt embedding。
译 者注： 在 应用深度学习模型进行自然语言解决工作时，input embeddings 常作 为模型的第一层进行应用，将离散的 input token 转换为间断的向量示意，从而实现对文本的无效建模和解决。
前缀调优技术将预约义的 prompt 嵌入到模型中，以影响模型的生成行为。这项技术能够扭转模型对输出的解释形式，使得模型可能更好地依据 prompt 生成相应的输入。
下图阐明了 惯例 Transformer 块和通过前缀（prefix）批改的 Transformer 块之间的区别。
Illustration of prefix tuning
请留神，在上图中，“全连贯层”是指一个小型多层感知机（由两个全连贯层和一个非线性激活函数组成）。这些全连贯层将 soft prompt 嵌入到一个与 transformer 块输出具备雷同维度的特色空间（feature space）中，以确保两层连贯时的兼容性。
应用 Python 伪代码，能够阐明惯例 Transformer 块和通过前缀（prefix）批改的 Transformer 块之间的区别：
prefix tuning 的伪代码图示
依据提出 prefix tuning 的论文，该办法在 仅训练 0.1% 的参数 的状况下，实现了 与微调所有层相当的模型性能 （该试验基于 GPT- 2 模型）。此外，在大多数状况下，prefix tuning 的体现甚至优于微调所有层，可能是因为该办法波及的参数较少， 有助于缩小对较小指标数据集的过拟合问题。
由 Li and Liang 发表的 Prefix Tuning 相干论文中的正文图
最初，为了廓清推理过程中 soft prompts 的应用形式，请留神以下几点：在学习了 soft prompts 后，在咱们针对特定工作对模型进行微调时，咱们必须将其（soft prompts）作为前缀（prefix）提供。这样做能够使模型依据特定工作自定义其答复。此外，咱们能够领有多个 soft prompts，每个对应于不同的工作，并且在推理过程可能提供相应的前缀，以最好地去解决特定工作。
03 Prefix 与 Prompt Tuning
在性能方面，soft prompt tuning 和 prefix tuning 孰强孰弱？可怜的是，就性能而言，目前尚无间接比拟 soft prompt tuning 和 prefix tuning 的钻研后果 ，因为这它们是独立开发并同时公布的办法，各自的论文中未进行间接的比拟。此外，在我查阅参数高效型大语言模型（parameter-efficient LLM）的最新文献中，并 没有找到同时蕴含这两种办法的基准测试（benchmark）。
在 prefix tuning 这种办法中，通过向输出序列（input sequence）插入特定工作的前缀（a task-specific prefix）来批改模型的更多层、，因而 须要微调更多的参数。另一方面，soft prompt tuning 仅波及对 input prompt embeddings 进行微调，因而更新的参数较少。这使得soft prompt tuning 可能比 prefix tuning 更轻量化（parameter-efficient），但也可能限度了其适应更宽泛指标工作的能力。
就性能方面而言，咱们能够正当地冀望 prefix tuning 可能体现得更好，因为它可能调整更多的模型参数以便适应更宽泛的新工作。然而，这可能是以 减少计算资源的耗费和进步模型呈现过拟合的危险 为代价的。另一方面，soft prompt tuning 可能具备更高的计算效率，但因为微调的参数较少，可能会导 限度模型的性能。
04 总结
该文章介绍了两种轻量化微调技术：soft prompt tuning 和 prefix tuning。与全参数微调（full finetuning）相比，这两种办法仅需调整很少的参数。
对于开发者来说，soft prompt tuning 能够更具备吸引力，因为他们只须要批改 input embeddings，而不需像 prefix tuning 那样批改外部 transformer 块。
在你开始尝试应用这些技术微调大模型之前，我倡议你继续关注其余更乏味的轻量化微调（parameter-efficient finetuning）技术：Adapters，LLaMA-Adapter（与惯例的 Adapter 无关但也有所不同）以及Low-Rank Adaptation（LoRA） 等等。这些技术可能会提供更多抉择，并且能够依据你的具体需要进行更好的调整。
END
参考资料
1. https://arxiv.org/abs/2104.08691
2. https://arxiv.org/abs/2101.00190
本文经原作者受权，由 Baihai IDP 编译。如需转载译文，请分割获取受权。
原文链接：
https://magazine.sebastianraschka.com/p/understanding-paramet…
相干文章举荐
落地畛域大模型应知必会 (1)：次要微调办法总览
大模型的三大法宝：Finetune, Prompt Engineering, Reward
Prompt Learning: ChatGPT 也在用的 NLP 新范式