后Prompt时代 | NLP统一范式：预训练+大规模多任务学习

“预训练+大规模多任务学习”像是一个开源工具，拉近了和应用领域的距离：我们可以开箱即用，如果效果不好，也许可以进一步few-shot后提升。重要的是：这种范式（也许）降低了对标注数据的依赖。

过去一年，NLP领域逐渐盛行一种新的“第四范式”——预训练+提示+预测（Pre-train, Prompt, Predict）。来自CMU的刘鹏飞博士，将这一流行范式归纳为：预训练语言模型加持下的Prompt Learning[1]。

（也许）我们正从“Pre-train+Finetune”的Finetune范式逐步迈向“Pre-train+Prompt”的Prompt范式（Prompt时代）。

Prompt时代带给我们最为深刻的一个理念就是：如何更好地使用预训练语言模型。而Prompt的本质就是将不同任务进行重构，更好地适配预训练模型。

笔者注：“更好地适配预训练模型”指不用设计新的网络层，而是完全利用预训练语言模型的网络结构。

因此，基于上述理念，Prompt时代带给NLP最大的增益之一就是：提升了小样本(few-shot)学习能力。

然而，Prompt不是万能的，不同的Prompt会导致模型性能的千差万别，同时绝大数的研究工作更聚焦于具体的几个NLP任务数据集，Prompt learning与特定任务和特定模型有关，没有在更广泛数据集上进行few-shot甚至zero-shot评测，没有构建更统一的建模方式。

基于此，笔者认为：“Pre-train+Prompt”这种范式与预训练模型之间仍然存在一个“gap”，即：冷启的预训练模型没有包含prompt形式的多任务监督目标，这导致了下游进行的Prompt Learning与预训练模型间的不一致。而这种不一致性，会导致：

· Prompt范式无法更好进行（或直接进行）zero-shot测试；

· Prompt范式无法更好统一建模更大规模的NLP任务，并进一步提升few-shot性能；

为解决上述问题，笔者就介绍一种“统一范式”——预训练+大规模多任务学习（Pre-train+Massive Multi-tasking）。

笔者注：所谓“统一范式”是因为「预训练+大规模多任务学习」统一模型框架、统一任务形式、统一应用方式。

与此同时，谷歌研究科学家Sebastian Ruder在最新博客《ML and NLP Research Highlights of 2021》中就将“大规模多任务学习”列为2021排名第二的研究热点。

本文的组织结构为：

一、定义：

什么是“预训练+大规模多任务学习”

「预训练+大规模多任务学习」并不是新的、所谓“第五范式”，而是Fintune范式+Prompt范式的综合体。

如上图所示，「预训练+大规模多任务学习」主要包括3个过程：

1. 利用Prompt统一（重构）不同NLP的任务形式（不同任务转化为统一的text-to-text数据形式），不同prompt可以代表不同的任务，形成“适配预训练模型”的多任务数据集；

2. 基于多任务数据对预训练进行fine-tune（中间任务训练）；

3. 在具体下游任务上，对目标任务形成拿来即用的模型，可直接进行zero-shot测试，也可进一步提升few-shot性能。

与上述的finetune范式和Prompt范式相比，大规模多任务学习也有一些不同之处：

· 与传统的多任务finetune相比：

· 大规模多任务学习不需要设置特定任务的损失函数，这得益于text-to-text的建模方式：每个NLP任务只需要以合适的text-to-text形式输入，模型就可以从中学习，无需对底层模型进行任何改动；

· 传统多任务学习设置的一个常见问题是负迁移，即如何确保不同的任务不会相互伤害。但当使用更多任务时，大规模多任务学习总体收益更大：在小样本场景下“负迁移”也许不是大问题～

· 与Prompt范式相关工作的不同在于：

· 大规模多任务学习中的Prompt主要为离散形式，方便可以显示地构建任务指令。相比于连续embedding的Prompt，人工构建的离散形式方便理解、修改、优化，并且与特定模型无关。

· 大规模多任务学习中主要基于生成式预训练模型，方便不同多任务形式的统一建模。MLM的预训练模型不容易对不同任务进行统一建模。

二、划重点：”预训练+大规模多任务学习“是NLP大一统建模范式

看到这里，我们会发现：「预训练+大规模多任务学习」真正做到了NLP的大一统建模：

· 统一模型框架：即采用Text-to-Text的生成式预训练模型进行统一建模。必须感谢：生成式预训练模型的日益强大，让Seq2Seq可以“有效建模”所有NLP任务从理论逐步变为现实。

· 统一任务形式：Prompt统一（重构）了不同的NLP任务间的差异，转化为统一的text-to-text数据形式。

· 统一应用方式：对目标任务形成拿来即用的模型，下游应用时（理论上）都可转化为统一的prompt自适应方式，进行zero-shot/few-shot测试。

三、综合梳理：大规模多任务学习的主要进展

多任务学习（MTL）是神经网络训练的一个基础通用方法，可参考最早的介绍[2]以及近期的相关综述[3][4]。

多任务学习的研究已经表明：多任务模型学习的表示可以更好地推广到新的表示，然而多任务学习中的一个常见问题就是最小化负迁移，即如何确保不同的任务不会相互伤害。而这个问题通常表现在full-shot场景的微调中。

而近期的大量论文表明：多任务学习不仅有助于预训练模型，而且当使用更多任务时，零样本和小样本场景收益更大。多任务数量的上升到一定规模，自然而然就有了“大规模多任务学习”。

这里需要重点指出：不同于full-shot场景，大规模多任务学习在zero/few-shot场景下，那所谓的“负迁移”问题也许不是很重要。

在正式介绍相关工作前，笔者先列出一个表格，方便大家回顾：

四、缘起：Muppet

大规模多任务学习（Massive Multi-task）一词首次出现在Facebook的《Muppet: Massive Multi-task Representations with Pre-Finetuning》[5]工作中。

Muppet共采用了50个数据集、480万标注数据，表明大规模多任务学习可以显著提升性能（基于RoBERTa进行分类任务、BART进行生成任务），同时也发现当数据集少于15个时，多任务学习反而会损害性能。

五、发展：FLAN、T0

来自Google的FLAN模型[6]和HuggingFace的T0模型[7]，是两个同时期的工作，均受到了GPT-3的启发，即：给定指令（instruction）和少量示例进行in-context learning。

FLAN模型属于Instruction Tuning（如上图），即：将包含prompt的数据集进行多任务学习，在下游未见任务进行Zero-Shot性能测试。

刘鹏飞博士在综述论文[8]中定义了Prompt的两种主要形式：

· 完形填空（Cloze）prompt；

· 前缀 (Prefix) prompt；

而Instruction Tuning中的Prompt形式更像是一种更明显的指令/指示（可以归为第三种Prompt形式），如下图所示。

同样，HuggingFace的T0模型（如上图）也继承了Instruction Tuning思想，一共收集了171个多任务数据集，总共创建了1939个prompt；与FLAN模型相比，Zero-Shot性能在各数据集上均有提升或可比，而模型参数减少10倍（而FLAN模型为137B）。

此外，FLAN模型随着prompt个数的增加反而会降低性能，而T0模型不会。这说明T0模型的prompt更加多样化，从而使模型更加鲁棒、泛化能力更强。

不难发现，对于FLAN模型和T0模型来说，Instruction Tuning的1个显著特点是：Prompt统一了多任务形式，即基于生成式预训练模型、将不同任务的数据统一为text-to-text形式。

六、突破：ZeroPrompt，首个中文多任务prompt统一模型

继FLAN和T0之后，ZeroPrompt[9]实现了大规模多任务学习在中文领域“零的突破”。
ZeroPrompt来自于XLNet作者杨植麟团队，共收集了1000个中文任务数据，整个测试任务上平均只相差4.7个点，而在部分测试任务上zeroshot性能比有监督finetune还要好。

如上图所示：不同传统的预训练-微调范式，ZeroPrompt的整体流程主要包括：

1. 构建多任务Prompt统一模型，主要包括：

i. 构建多任务数据集；

ii. 设计Prompt；

iii. 基于预训练LM模型多任务预训练（采取T5作为初始化的LM）；

2. 评估未见任务的zeroshot性能，主要工作是：基于【Prompt遗传搜索算法】，针对未见的新任务构建自适应的Prompt。

对于Prompt设计，这里给出一个中文NER的例子：

此外，ZeroPrompt一个重要不同在于：进行了“zero-shot adaptation with fewshot validation”设置，也就是为了验证Prompt的效果进而构建开发集（防止不同的Prompt通常会导致zero-shot性能差异较大）

ZeroPrompt虽然数据规模庞大，但也证明一点：任务数据规模的拓展是模型缩放的一种有效替代手段。正如下图所示：随着多任务训练任务的增加，不同大小模型之间的Zero-shot性能趋近一致。

七、改变：MetaICL，舍弃Prompt

与之前工作不同，来自Facebook的MetalCL: Learning to learn in context[10]舍弃了Prompt。

MetaICL认为FLAN和T0严重依赖Prompt的模板设计，Prompt设计需要人工定制，而不同的Prompt会表现出高方差、不够稳定。

基于此，MetaICL构建了一种元学习（Meta-training）方式：只需提供训练示例和目标输入，不需要再提供prompt形式的指令。论文为这种元学习方式构建了142个NLP多任务数据集进行训练，提升模型少样本学习能力。

MetaICL虽然没有通过prompt对不同任务进行统一重构，但通过提供“训练示例”可以重构任务信息，从而省去人工设计模板的繁重工作。

上图给出了MetaICL整体流程，归纳如下：

· 训练过程：进行K-shot Learning。输入是：随机抽取出某一类任务中k个样本x和y，和第k+1个样本的x。输出是：第k+1个样本的y。不难发现：前k个样本提供了对于任务的描述信息。

· 推断过程：选择k个样本x和y进行拼接作为任务提示信息，直接对测试样本x进行预测。

此外，这篇论文也证实：加入prompt人工撰写的任务指令描述后，MetaICL效果有着进一步的提升。

不过对于MetaICL这种方式，笔者认为存在两点疑问：

1.选择哪些（k个）样本作为任务提示的示例，是不是也变成了某种意义上的“prompt选择问题”？最终效果是否方差较大？

2. 某些任务k个样本拼接后，输入文本长度过长，性能和效果如何保证？

八、融合：ExT5，将多任务融合到预训练中

ExT5[11]是Google最近ICLR2022的一篇工作，ExT5将上述的多任务训练过程前置到预训练中，共构建了107个NLP多任务数据集（论文将这个庞大集合称之为EXMIX）。

ExT5就是一个在有监督的EXMIX数据和自监督C4数据上进行预训练的T5模型，如上图所示。ExT5发现：在预训练期间使用多个任务比在微调期间更好，并且多任务预训练与 MLM 相结合比仅使用 MLM 的样本效率要高得多，如下图：

九、聚焦：UnifiedSKG，统一结构化数据任务

上述介绍的工作不区分特定任务，而最近18家机构共同打造的UnifiedSKG[12]则是将大规模对任务学习聚焦于结构化数据任务上，刷新了其中21个任务中的16个SOTA。

如上图所示，UnifiedSKG以text-to-text形式统一所有SKG任务，输入由三部分组成：

1. 用户查询；

2. 结构化知识线性化；

3. context原文。

此外，论文也进行了四种训练方式的对比：

1. ST-F：单任务微调；

2. ST-P：单任务prefix-tuning；

3. MT-F：多任务微调；

4. MT-P：多任务prefix-tuning

full-shot的相关实验表明：多任务prefix-tuning相比单任务微调平均提升1.3个点；而多任务微调不如多任务prefix-tuning（也许不同的任务领域不同，很难共享参数），甚至还差于单任务微调：这一点也表明在full-shot场景下，多任务不一定持续增加。

十、总结与展望

本文主要介绍了一种NLP建模的“统一范式”：预训练+大规模多任务学习（Pre-train+Massive Multi-tasking），做到了NLP的大一统建模：

· 统一模型：Text-to-Text的生成式预训练模型；

· 统一任务：Prompt统一（重构）了不同的NLP任务间的差异，不同prompt可以代表不同的任务。

· 统一应用：拿来即用，prompt自适应后直接进行zero/few-shot测试。

需要再次强调：“预训练+大规模多任务学习”这一范式，在应用层面，更像是一个“开源工具”，可以在更广泛的任务上直接使用。而这些：得益于zero/few-shot性能的大幅提升。

当然，对于这一范式，仍然有不少TODO：

1、如何获取更多的多任务数据集？

当前的多任务数据集规模仍然受限，需要更大规模多任务数据的构建。但由于prompt统一了任务形式，或许我们可以构建一个良性循环系统：

· 在日益多样化的任务集合上训练一些更强大的模型，然后在循环中使用这些模型来创建更具挑战的数据集。如此循环下去。

2、零样本评测是否仍然公平？

随着在许多现有任务上训练的多任务模型越来越普遍，保证模型没有看到类似任务示例将变得越来越困难。在这种情况下，少样本学习或完全监督设置可能成为首选的评估范式。

3、负迁移问题、跨域迁移问题？

UnifiedSKG的full-shot实验表明“多任务微调仍然差于单任务微调。那么：负迁移问题是否无法避免（特别是在full-shot场景下）？如何选择更好的多任务分布？

同时在ZeroPrompt相关实验表明：跨任务迁移的zeroshot性能，并不总是随着任务规模的增加而持续提升。随着多任务数据的增加，跨域迁移问题如何降低？

4、垂直场景的“领域增强”？

受到UnifiedSKG的启发，我们是否可以针对某一类领域任务进行大规模多任务学习呢？不过，首要困难还是（有标注）多任务数据的收集。

5、统一模态、统一语言？

大规模多任务学习在跨模态、跨语言的统一上，是否可更进一步？比如最近的《Few-shot Learning with Multilingual Language Models》已经在统一语言的工作上迈出一步！

结束语： “预训练+大规模多任务学习”会继续促进AI领域的大一统建模。

参考文献

[1] 近代自然语言处理技术发展的“第四范式:

https://www.techbeat.net/article-info?id=3086

[2] Multitask Learning:

https://www.cs.cornell.edu/~caruana/mlj97.pdf

[3] An Overview of Multi-Task Learning in Deep Neural Networks:

https://arxiv.org/pdf/1706.05098.pdf

[4] Multi-Task Learning with Deep Neural Networks: A Survey:

https://arxiv.org/pdf/2009.09796.pdf

[5] Muppet: Massive Multi-task Representations with Pre-Finetuning:

https://arxiv.org/pdf/2101.11038.pdf

[6] Fine- tuned Language Models Are Zero-Shot Learners:

https://arxiv.org/pdf/2109.01652.pdf

[7] Multitask Prompted Training Enables Zero-Shot Task Generalization:

https://arxiv.org/pdf/2110.08207.pdf

[8] Finetuned Language Models Are Zero-Shot Learners:

https://arxiv.org/pdf/2107.13586.pdf

[9] ZeroPrompt: Scaling Prompt-Based Pretraining to 1,000 Tasks Improves Zero-Shot Generalization:

https://arxiv.org/pdf/2201.06910.pdf

[10] MetaICL: Learning to Learn In Context:

https://arxiv.org/pdf/2110.15943.pdf

[11] EXT5: TOWARDS EXTREME MULTI-TASK SCALING FOR TRANSFER LEARNING:

https://arxiv.org/abs/2111.10952

[12] UNIFIEDSKG: Unifying and Multi-Tasking Structured Knowledge Grounding with Text-to-Text Language Models:

https://arxiv.org/pdf/2201.05966.pdf

本文来字：公众号【高能AI】 作者：JayJay

Illustration b y Anna Antipina from i cons8

-The End-

3.19 周六上午10点

忌赖床，忌发呆

宜来B站-旷视直播间

看直播，听分享

快点击图片链接查看报名文章吧！

关于我“门”

将门是一家以专注于发掘、加速及投资技术驱动型创业公司的新型创投机构，旗下涵盖将门创新服务、将门技术社群以及将门创投基金。

将门成立于2015年底，创始团队由微软创投在中国的创始团队原班人马构建而成，曾为微软优选和深度孵化了126家创新的技术型创业公司。

如果您是技术领域的初创企业，不仅想获得投资，还希望获得一系列持续性、有价值的投后服务，欢迎发送或者推荐项目给我“门”:

bp@thejiangmen.com

点击右上角，把文章分享到朋友圈

⤵一键送你进入TechBeat快乐星球