Residual Prompt Tuning: Verbesserung des Prompt Tunings durch Residuale Reparameterisierung

Residual Prompt Tuning: Improving Prompt Tuning with Residual Reparameterization

May 6, 2023

Autoren: Anastasia Razdaibiedina, Yuning Mao, Rui Hou, Madian Khabsa, Mike Lewis, Jimmy Ba, Amjad Almahairi

cs.AI

Zusammenfassung

Prompt Tuning ist einer der erfolgreichen Ansätze für parameter-effizientes Fine-Tuning vortrainierter Sprachmodelle. Obwohl es wohl der parameter-effizienteste Ansatz ist (abgestimmte Soft Prompts machen <0,1 % der Gesamtparameter aus), schneidet es in der Regel schlechter ab als andere effiziente Tuning-Methoden und ist recht empfindlich gegenüber Hyperparametern. In dieser Arbeit stellen wir Residual Prompt Tuning vor – eine einfache und effiziente Methode, die die Leistung und Stabilität von Prompt Tuning erheblich verbessert. Wir schlagen vor, Soft-Prompt-Embeddings mithilfe eines flachen Netzwerks mit einer Residualverbindung neu zu parametrisieren. Unsere Experimente zeigen, dass Residual Prompt Tuning auf dem SuperGLUE-Benchmark deutlich besser abschneidet als Prompt Tuning. Bemerkenswerterweise erreicht unsere Methode eine Verbesserung von +7 Punkten gegenüber Prompt Tuning mit T5-Base und ermöglicht es, die Prompt-Länge um das 10-fache zu reduzieren, ohne die Leistung zu beeinträchtigen. Darüber hinaus zeigen wir, dass unser Ansatz robust gegenüber der Wahl der Lernrate und der Prompt-Initialisierung ist und in Few-Shot-Szenarien effektiv ist.

English

Prompt tuning is one of the successful approaches for parameter-efficient tuning of pre-trained language models. Despite being arguably the most parameter-efficient (tuned soft prompts constitute <0.1% of total parameters), it typically performs worse than other efficient tuning methods and is quite sensitive to hyper-parameters. In this work, we introduce Residual Prompt Tuning - a simple and efficient method that significantly improves the performance and stability of prompt tuning. We propose to reparameterize soft prompt embeddings using a shallow network with a residual connection. Our experiments show that Residual Prompt Tuning significantly outperforms prompt tuning on SuperGLUE benchmark. Notably, our method reaches +7 points improvement over prompt tuning with T5-Base and allows to reduce the prompt length by 10x without hurting performance. In addition, we show that our approach is robust to the choice of learning rate and prompt initialization, and is effective in few-shot settings.