参考系列文章：https://zhuanlan.zhihu.com/p/635152813
github链接：https://github.com/liguodongiot/llm-action
1 训练范式
下面这种instructive learning，在模型参数达到80亿后，会发生质的提升：
类似的还有手写prompt
然后可以推广到绿色的新任务上：
2 全量微调：fine-tuning
fine-tuning指的是预训练模型下游接新的MLP，然后全量参数微调。
例如2018年谷歌发布的BERT，只需要抛弃BERT原来的MLM，接上新的全连接层进行训练即可：
举个例子，使用如下数据：
from datasets import load_dataset
dataset = load_dataset("yelp_review_full")
from transformers import AutoTokenizer
tokenizer = AutoTokenizer.from_pretrained("bert-base-cased")
def tokenize_function(examples):return tokenizer(examples["text"], padding="max_length", truncation=True)tokenized_datasets = dataset.map(tokenize_function, batched=True)
small_train_dataset = tokenized_datasets["train"].shuffle(seed=42).select(range(1000))
small_eval_dataset = tokenized_datasets["test"].shuffle(seed=42).select(range(1000))
加载训练参数类TrainingArguments，指定num_labels（自动添加MLP），并且要添加metrics
from transformers import TrainingArguments, Trainer
import numpy as np
from datasets import load_metric
from transformers import AutoModelForSequenceClassification
model = AutoModelForSequenceClassification.from_pretrained("bert-base-cased", num_labels=5)
training_args = TrainingArguments(output_dir="test_trainer")
metric = load_metric("accuracy")
def compute_metrics(eval_pred):logits, labels = eval_predpredictions = np.argmax(logits, axis=-1)return metric.compute(predictions=predictions, references=labels)trainer = Trainer(model=model,args=training_args,train_dataset=small_train_dataset,eval_dataset=small_eval_dataset,compute_metrics=compute_metrics,
)trainer.train()
对于GPT，也是在后面直接加一个MLP进行微调：
3 改变结构：prompt-learning
3.1 基本概念
现在比较流行的方法是prompt-learning，通过seq2seq的语言预测模型去完成任务，这样新的任务和原先Bert的任务一致（预测mask位置的词表分布 ），因此可以很有效的进行tuning。其范式如下，需要设计输入模版和标签映射：
我们使用Langchain等工具时，会用到template，用来制作prompt：
选模型的话，auto-regressive适用于mask在最后，而masked LM可以在任意位置设置mask。Encoder-decoder则两者皆可。
另外还要关注预训练模型的语料，比如Ernie等知识图谱类的预训练模型适用于做实体抽取等任务，使用金融/医学材料训练的大模型，更适用于各自相关领域的下游任务。
多模态也可以使用prompt-learning。例如图像编码后，可以跟文字使用同样的方式进行prompt learning。
3.2 zero-shot/few-shot
不用训练，直接给出任务描述（并且可以添加一些样例），然后使用prompt直接给出结果。
这种方式为何有效，至今仍是个迷。
3.3 template构造
3.4 Verbalizer构造
3.5 OpenPrompt工具包
4. 部分微调：delta-tuning
4.1 介绍
固定大部分参数，仅训练少量的参数来驱动大模型。下图是delta-tuning和fine-tuning的区别。
左边的fine-tuning中，每个任务都全量微调，得到一个新的模型，如果有100个任务，那么最终会给出100个数十G的大模型；但是在delta-tuning中，PLM参数大部分是固定的，每个任务只需要训练和记录有修改部分的参数（delta-object）即可。
delta-tuning分为以下三大类：增加额外参数（A）、选取一部分参数更新（S）、引入重参数化（R）。而在增加额外参数这类方法中，又主要分为类适配器（Adapter-like）方法和软提示（Soft prompts）两个小类。
4.2 OpenDelta工具包
可以使用枚举和正则表达式等方式指定要修改哪些模块：
使用时，只需要线attach，然后再detach即可。
5. Addition-based
5.1 Adapter Tuning：Transfomer中添加adapter模块
Adapter Tuning（论文：Parameter-Efficient Transfer Learning for NLP，2019 ），该方法设计了Adapter结构，并将其嵌入Transformer的结构里面，针对每一个Transformer层，增加了两个Adapter结构(分别是多头注意力的投影之后和第二个feed-forward层之后，Adapter本质就是一个双层MLP)，在训练时，固定住原来预训练模型的参数不变，只对新增的 Adapter 结构和 Layer Norm 层进行微调，从而保证了训练的高效性。每当出现新的下游任务，通过添加Adapter模块来产生一个易于扩展的下游模型，从而避免全量微调与灾难性遗忘的问题。
下图左面是Adapter在transformer中的位置，右边的图是adapter内部的结构。Adapter通过引入0.5%～5%的模型参数可以达到不落后全量微调模型1%的性能：
还有一种结构，把adapter从主干网络降维后迁移到分支网络上，这样可以显著降低计算量：
5.2 Model/Prompt Tuning：添加前缀提示词
Prompt Tuning（论文：The Power of Scale for Parameter-Efficient Prompt Tuning），给每个任务定义了自己的Prompt，然后拼接到数据上作为输入，但只在输入层加入prompt tokens。
训练时冻结住pre-trained model，只训练prompt。Prompt token 的长度在20左右时的表现已经不错（超过20之后，提升Prompt token长度，对模型的性能提升不明显了）
下图表明，参数量增加时，prompt tuning接近model tuning的结果。
5.3 Prefix Tuning：prefix前添加MLP
Prefix Tuning（论文：Prefix-Tuning: Optimizing Continuous Prompts for Generation，2021）和prompt有些关系。在每一层的Prefix层前面加了MLP结构，训练完成后，只保留Prefix的参数。通过消融实验证实，只调整embedding层（也就是prompt-tuning）的表现力不够，将导致性能显著下降，因此，在每层都加了prompt的参数
在上图的例子中展示了不同模型添加前缀的方法：
- 针对自回归架构模型：在句子前面添加前缀，得到 z = [PREFIX; x; y]，合适的上文能够在固定 LM 的情况下去引导生成下文（比如：GPT3的上下文学习）。
- 针对编码器-解码器架构模型：Encoder和Decoder都增加了前缀，得到 z = [PREFIX; x; PREFIX0; y]。Encoder端增加前缀是为了引导输入部分的编码，Decoder 端增加前缀是为了引导后续token的生成。
此外，还有实验对比位置对于生成效果的影响，Prefix-tuning要略优于Infix-tuning。其中，Prefix-tuning形式为 [PREFIX; x; y]，Infix-tuning形式为 [x; INFIX; y]。
5.4 P-Tuning：添加prompt embedding+MLP层
P-Tuning（论文：GPT Understands, Too），该方法将Prompt转换为可以学习的Embedding层，并用MLP+LSTM的方式来对Prompt Embedding进行一层处理。P-Tuning对GPT的效果比较好。
对比prompt tuning，prompt和输入共享embedding层。
5.5 P-TuningV2：每一层都添加prompt
P-Tuning v2（论文： P-Tuning v2: Prompt Tuning Can Be Comparable to Fine-tuning Universally Across Scales and Tasks），该方法在每一层都加入了Prompts tokens作为输入，而不是仅仅加在输入层。
P-Tuning v2可以看作是prefix tuning的升级，和prefix tuning的区别在于P-Tuning V2每一层的prompt是独立的，并不是由上一层计算得来。
6. Specification-based
6.1 BitFit：更新bias参数
BitFit（论文：BitFit: Simple Parameter-efficient Fine-tuning or Transformer-based Masked Language-models，2021）是一种稀疏的微调方法，它训练时只更新bias的参数或者部分bias参数。涉及到的bias参数有attention模块中计算query,key,value跟合并多个attention结果时涉及到的bias，MLP层中的bias，Layernormalization层的bias参数。
在Bert-Base/Bert-Large这种模型里，bias参数仅占模型全部参数量的0.08%～0.09%。但是通过在Bert-Large模型上基于GLUE数据集进行了 BitFit、Adapter和Diff-Pruning的效果对比发现，BitFit在参数量远小于Adapter、Diff-Pruning的情况下，效果与Adapter、Diff-Pruning想当，甚至在某些任务上略优于Adapter、Diff-Pruning。
另外，通过对比BitFit训练前后的参数，发现很多bias参数并没有太多变化（例如：跟计算key所涉及到的bias参数）。发现计算query和将特征维度从N放大到4N的FFN层（intermediate）的bias参数变化最为明显，只更新这两类bias参数也能达到不错的效果。
7. Reparameterization-based
7.1 Intrinsic prompt tuning
下图展示了如何从fine-tuning一步步转移到Intrinsic prompt tuning
