很久之前老板下任务要试试prompt这个大风，但是玩完后发现太菜了所以连文章都没写，刚好今天工作比较闲就来写写了。
先上结论，连续prompt为运用大模型提供了一种思路，其实这种思路早就见过不少了。。。
离散prompt才是最佳的姿势，但是存在人工设计模板带来变数的问题。
所以prompt真的不太行。
不想看细节的可以直接看总结。
prompt三阶段为：
- 第一阶段，离散prompt
- 第二阶段，连续prompt
- 第三阶段，pretrain阶段和下游阶段统一任务类型（T5,zeroprompt）
这里的第三阶段是个人看法。
为什么要prompt
prompt本意在于下游任务使用模型的时候，尽可能与预训练模型pretrain阶段的任务保持一致。
我们现在用BERT的方式大多数为finetune，这会有以下两点弊端：
1.finetune存在上下游阶段任务不一致的问题，fintune对BERT原来的结构破坏严重
2.下游任务通过标注数据驱动，finetune到一个位置，而finetune任务语言上的意义并没有告知给模型。我们看这两个弊端，本质上我们是在做出选择，是精确的finetune还是泛化能力很强的MLM。
针对这两点弊端做出改进，主要就是pretrain阶段和下游任务阶段能尽可能一致，这样才能发挥出MLM的能力。但是这个过程必定有人为因素，这个过程也就是第一阶段的离散prompt：
第一步，构造prompt。
第二步，构造MAKS token映射。
为此衍生出autoprompt，soft prompt，连续prompt等方法，
接下来我们具体聊聊这两个劣势。
1.finetune存在上下游阶段任务不一致的问题，fintune对BERT原来的结构破坏严重
看第一点，pretrain阶段学习最主要的任务是MLM，那么我们下游使用能否也是用MLM？这就是prompt最开始的思路。问题在于怎么让下游变成MLM任务。
如任务情感分类，x = 我很累 y=负面
第一步，构造prompt
那么我们可以这样加入prompt，prompt = 我感觉很[MASK]
于是可以得到给BERT的token为
[CLS]我很累,感觉很[MASK][SEP]第二步，构造MAKS token映射
即MASK预测的token应该怎么样映射到标签，比如负面可能的token候选有：难受,坏,烦
这样我们就能让上下游一致了。
2.finetune任务语言上的意义并没有告知给模型
我们知道BERT是一个语言模型，但是finetune却让他数据驱动参数变化，而不是先跟他表明这个任务是干嘛。所以你会发现prompt就是在使用语言的通顺，因为pretrain阶段的语料也是通顺的语料，所以我们构建prompt希望句子X和prompt接起来是一个通顺的话，这样上下游就更一致了。
为了让拼起来的话通顺，我们就会结合场景设计prompt比如上面那个案例使用的prompt=感觉很[MASK]，当然也可以promp=心情很[MASK]。
有了上面的思路prompt按阶段开始变种，第一阶段是离散prompt，后来出现连续prompt。
第一阶段,离散prompt
Pattern-Exploiting Training
其实就是我们最开始说的prompt方法,
第一步，构造prompt
那么我们可以这样加入prompt，prompt = 我感觉很[MASK]
于是可以得到给BERT的token为
[CLS]我很累,感觉很[MASK][SEP]第二步，构造MAKS token映射
即MASK预测的token应该怎么样映射到标签，比如负面可能的token候选有：难受,坏,烦
但是这里面两步都涉及人为因素。所以有人做出了改进，自然是围绕如何去除人工设计，也就是“构造prompt”，“MAKS token映射”。
其实在我看来这才是prompt的优势所在，但是这个优势又带来了劣势，因为有人实验发现prompt的几个字都能导致模型效果的较大的变化。
AutoPrompt
为了去除人工设计带来的变数，autoprompt针对自动“构造prompt”，自动选择“MAKS token映射”，做出方案。
第一步，构造prompt
选择loss下降最大的prompt token，注意到这里的loss怎么计算呢，这一步我们要先给定mask映射词。
这两步骤其实有冲突，先有鸡还是先有蛋。。。论文的做法是先用假的prompt喂进去求出mask映射，也就是：
[CLS] {sentence} [T] [T] [T] [MASK]. [SEP]然后再用得到的mask映射用数据驱动选择T。
第二步，构造MAKS token映射
step1，使用上下文的MASK token的output embedding作为x，与label训练一个logistic，可以理解为logistic得分高的向量他就更能表示label
step2，使用上下文MASK token的output token的embdding给打分函数，取得分top-k
太多细节可以看论文，这个方法和finetune差距也有10个点的出入，注意到这里的roberta是large的，效果比base的BERT好，原因就是因为large的mlm能力更强，在做MRC任务也知道tiny和base的差距还有base和large的差距。模型参数量越大MLM能力越强。
第二阶段，连续prompt
这个阶段prompt开始变味道了,基本思路就是把之前离散的prompt token换成连续的prompt token，怎么换呢。
之前离散prompt的是以token喂给bert的，比如前面那个情感分类的prompt=“我感觉[MASK]”，是以token为单位给bert的，那连续prompt就是把这些token替换成embedding，直接把通过了bert emebdding层的prompt token的向量替换成可训练参数，并且冻结整个BERT，只训练3*768这个矩阵。比如我这里token emebdding维度为3*768（我感觉，三个字）那么可训练参数就是3*768，就是这么回事，那具体还有些骚操作可以玩：
1，比如这里的3*768，那能不能20*768呢，这个也是个不可控的东西可以做实验。
2，能不能给BERT每层encoder整上3*768呢，意味着每层的encoder通过self attention把每层的3*768的信息交互进模型。
3，可不可以不用[MASK]映射了，我直接使用CLS来分类。
以上讲的3点都是P-tuning v2的做法，至于P-tuning v2之前的玩法就不多说了，花样没有P-tuning v2多，但是P-tuning v2的效果在large模型上是接近finetune的，而且你不需要训练太多参数就可以撬动一些大模型了，包括Prefix-tuning也说了他们不需要训练太多参数就可以撬动一些大模型了，但是这个玩法不是早就有了吗，现在打着prompt的旗号又能水是吧。
此外，P-tuning v2中，prompt token长度对实验的影响还挺大的，而且跟任务具有一定相关性，表现很不稳定。论文也没做few-shot实验，效果待定。没有说base模型的效果。
其实看到这里你会发现prompt已经变味了，严格来说根本不是什么prompt了，这种构建可训练向量去控制模型的方法也不稀奇，而去除 [MASK]映射换成CLS来分类就更加有fintune那感觉了。由于我没自己去跑跑，但是可以看到都是负面评论居多，太多负面评价了，不列举了。
第三阶段，pretrain阶段和下游阶段统一任务类型（T5,zeroprompt）
最后一提T5和zeroprompt。
T5是google使用ender-decoder结构做的一个大模型，T5把pretrain阶段任务和下游阶段任务统一了，都做seq2seq任务，或者论文里说的text2text任务。
而zeroprompt，把各种场景和不同的任务类型（分类，翻译，阅读理解，近似句得分等）数据，以人工设计prompt的方式训练，得到一个超级无敌prompt模型，其实本质上也是统一了pretrain阶段任务和下游阶段任务，都做MLM，不同的是zeroprompt为了适应新的任务场景需要一套算法来自动prompt，而T5通过固定引导词配对任务类型，直接decode出答案。
对比两者，T5直接重新设计pretrain阶段任务，和下游阶段任务保持一致，而zeroprompt本质上也是用了自动prompt的方法，但是把中文任务数据都跑了个遍，达到了中文prompt一统。
总结
prompt从最开始的人工设计模板，到自动prompt再到连续prompt，逐渐变的畸形。
最开始的人工设计模板就是为了利用好BERT的pretrain阶段学习到的MLM能力然后用在下游，但是人工设计模型存在不稳定的问题，自动prompt效果又很差。
于是连续prompt开始表演，连续prompt已经没有prompt的味道了，把prompt弄成向量，通过训练希望模型能自己得到好的prompt向量，其实就是在finetune。
所以prompt行不行，目前来看不如finetune。但是他具有一定的few shot能力，特别是离散prompt。在一些简单的任务是可以直接用离散prompt的方式做到few shot，这其实是利用BERT在pretrain阶段学习到的能力，但是一旦任务过难，那few shot效果会很差，远不如标几条数据finetune一下。这里就是涉及到泛化和精准，你想要一定的泛化性，那就一定牺牲了精准。
最后zeroprompt和T5，基本是把prompt的东西都玩完了，其实就是pretrain阶段和下游阶段是否一致的问题。
