導讀：本文目標是對近期火爆異常的Prompt相關研究作一些追溯和展望，內容主要參考論文《Pre-train， Prompt， and Predict： A Systematic Survey of Prompting Methods in Natural Language Processing》，并摻雜了筆者的一些個人見解，歡迎大家積極討論~所用圖片均來自該論文。

論文的arxiv鏈接如下：

https://arxiv.org/abs/2107.13586

本文的內容框架如下：

一、Prompt的產生和興起

二、什么是Prompt

三、Prompt的設計方法

四、Prompt的挑戰和展望

一、Prompt的產生和興起

近幾年來，有關預訓練語言模型（PLM）的研究比比皆是，自然語言處理（NLP）也借著這股春風獲得了長足發展。尤其是在2017-2019年間，研究者們的重心逐漸從傳統task-specific的有監督模式轉移到預訓練上。基于預訓練語言模型的研究思路通常是“pre-train， fine-tune”，即將PLM應用到下游任務上，在預訓練階段和微調階段根據下游任務設計訓練對象并對PLM本體進行調整。

隨著PLM體量的不斷增大，對其進行fine-tune的硬件要求、數據需求和實際代價也在不斷上漲。除此之外，豐富多樣的下游任務也使得預訓練和微調階段的設計變得繁瑣復雜，因此研究者們希望探索出更小巧輕量、更普適高效的方法，Prompt就是一個沿著此方向的嘗試。

融入了Prompt的新模式大致可以歸納成”pre-train， prompt， and predict“，在該模式中，下游任務被重新調整成類似預訓練任務的形式。例如，通常的預訓練任務有Masked Language Model， 在文本情感分類任務中，對于 “I love this movie.” 這句輸入，可以在后面加上prompt “The movie is ___” 這樣的形式，然后讓PLM用表示情感的答案填空如 “great”、“fantastic” 等等，最后再將該答案轉化成情感分類的標簽，這樣以來，通過選取合適的prompt，我們可以控制模型預測輸出，從而一個完全無監督訓練的PLM可以被用來解決各種各樣的下游任務。

因此，合適的prompt對于模型的效果至關重要。大量研究表明，prompt的微小差別，可能會造成效果的巨大差異。研究者們就如何設計prompt做出了各種各樣的努力——自然語言背景知識的融合、自動生成prompt的搜索、不再拘泥于語言形式的prompt探索等等，筆者將會在第三節進行進一步討論。

二、什么是Prompt

Prompt剛剛出現的時候，還沒有被叫做Prompt，是研究者們為了下游任務設計出來的一種輸入形式或模板，它能夠幫助PLM“回憶”起自己在預訓練時“學習”到的東西，因此后來慢慢地被叫做Prompt了。

對于輸入的文本，有函數，將轉化成prompt的形式，即：

該函數通常會進行兩步操作：

使用一個模板，模板通常為一段自然語言，并且包含有兩個空位置：用于填輸入的位置和用于生成答案文本的位置。

把輸入填到的位置。

還用前文提到的例子。在文本情感分類的任務中，假設輸入是

“ I love this movie.”

使用的模板是

“ ［X］ Overall， it was a ［Z］ movie.”

那么得到的就應該是 “I love this movie. Overall it was a ［Z］ movie.”

在實際的研究中，prompts應該有空位置來填充答案，這個位置一般在句中或者句末。如果在句中，一般稱這種prompt為cloze prompt；如果在句末，一般稱這種prompt為prefix prompt。和的位置以及數量都可能對結果造成影響，因此可以根據需要靈活調整。

另外，上面的例子中prompts都是有意義的自然語言，但實際上其形式并不一定要拘泥于自然語言。現有相關研究使用虛擬單詞甚至直接使用向量作為prompt，筆者將會在第三節講到。

下一步會進行答案搜索，顧名思義就是LM尋找填在處可以使得分數最高的文本 。最后是答案映射。有時LM填充的文本并非任務需要的最終形式，因此要將此文本映射到最終的輸出。例如，在文本情感分類任務中，“excellent”， “great”， “wonderful” 等詞都對應一個種類 “++”，這時需要將詞語映射到標簽再輸出。

三、Prompt的設計

Prompt大致可以從下面三個角度進行設計：

Prompt的形狀

手工設計模板

自動學習模板

Prompt的形狀

Prompt的形狀主要指的是和的位置和數量。上文提到過cloze prompt和prefix prompt的區別，在實際應用過程中選擇哪一種主要取決于任務的形式和模型的類別。cloze prompts和Masked Language Model的訓練方式非常類似，因此對于使用MLM的任務來說cloze prompts更加合適；對于生成任務來說，或者使用自回歸LM解決的任務，prefix prompts就會更加合適；Full text reconstruction models較為通用，因此兩種prompt均適用。另外，對于文本對的分類，prompt模板通常要給輸入預留兩個空，和。

手工設計模板

Prompt最開始就是從手工設計模板開始的。手工設計一般基于人類的自然語言知識，力求得到語義流暢且高效的模板。例如，Petroni等人在著名的LAMA數據集中為知識探針任務手工設計了cloze templates；Brown等人為問答、翻譯和探針等任務設計了prefix templates。手工設計模板的好處是較為直觀，但缺點是需要很多實驗、經驗以及語言專業知識，代價較大。

自動學習模板

為了解決手工設計模板的缺點，許多研究開始探究如何自動學習到合適的模板。自動學習的模板又可以分為離散（Discrete Prompts）和連續（Continuous Prompts）兩大類。離散的主要包括 Prompt Mining， Prompt Paraphrasing， Gradient-based Search， Prompt Generation 和 Prompt Scoring；連續的則主要包括Prefix Tuning， Tuning Initialized with Discrete Prompts 和 Hard-Soft Prompt Hybrid Tuning。

離散Prompts

自動生成離散Prompts指的是自動生成由自然語言的詞組成的Prompt，因此其搜索空間是離散的。目前大致可以分成下面幾個方法：

Prompt Mining. 該方法需要一個大的文本庫支持，例如Wikipedia。給定輸入和輸出，要找到和之間的中間詞或者依賴路徑，然后選取出現頻繁的中間詞或依賴路徑作為模板，即“［X］ middle words ［Z］”。

Prompt Paraphrasing. Paraphrasing-based方法是基于釋義的，主要采用現有的種子prompts（例如手動構造），并將其轉述成一組其他候選prompts，然后選擇一個在目標任務上達到最好效果的。一般的做法有：將提示符翻譯成另一種語言，然后再翻譯回來；使用同義或近義短語來替換等。

Gradient-based Search. 梯度下降搜索的方法是在單詞候選集里選擇詞并組合成prompt，利用梯度下降的方式不斷嘗試組合，從而達到讓PLM生成需要的詞的目的。

Prompt Generation. 既然Prompt也是一段文本，那是否可以用文本生成的方式來生成Prompt呢？該類方法就是將標準的自然語言生成的模型用于生成prompts了。例如，Gao等人將T5引入了模板搜索的過程，讓T5生成模板詞；Ben-David 等人提出了一種域自適應算法，訓練T5為每個輸入生成一種唯一的域相關特征，然后把輸入和特征連接起來組成模板再用到下游任務中。

Prompt Scoring. Davison等人在研究知識圖譜補全任務的時候為三元組輸入（頭實體，關系，尾實體）設計了一種模板。首先人工制造一組模板候選，然后把相應的［X］和［Z］都填上成為prompts，并使用一個雙向LM給這些prompts打分，最后選取其中的高分prompt。

連續Prompts

既然構造Prompt的初衷是能夠找到一個合適的方法，讓PLM更“聽話”地得出我們想要的結果，那就不必把prompt的形式拘泥于人類可以理解的自然語言了，只要機器可以理解就好了。因此，還有一些方法探索連續型prompts——直接作用到模型的embedding空間。連續型prompts去掉了兩個約束條件：

模板中詞語的embedding可以是整個自然語言的embedding，不再只是有限的一些embedding。

模板的參數不再直接取PLM的參數，而是有自己獨立的參數，可以通過下游任務的訓練數據進行調整。

目前的連續prompts方法大致可以分為下面幾種：

Prefix Tuning. Prefix Tuning最開始由Li等人提出，是一種在輸入前添加一串連續的向量的方法，該方法保持PLM的參數不動，僅訓練合適的前綴（prefix）。它的形式化定義是，在給定一個可訓練的前綴矩陣和一個固定的參數化為的PLM的對數似然目標上進行優化。

其中

指的是所有神經網絡層在第i個時間步的連接。如果對應的時間步在前綴中，則它可以直接從前綴矩陣中復制過來；否則需要使用PLM進行計算。

類似地，Lester等人在輸入序列前面加上特殊的token來組成一個模板，然后直接調整這些token的embedding。 和上面的Prefix Tuning的方法相比，他們的方法相對來說參數較少，因為沒有在每一層網絡中引入額外的參數。

Tuing Initialized with Discrete Prompts. 這類方法中連續prompts是用已有的prompts初始化的，已有的prompts可以是手工設計的，也可以是之前搜索發現的離散prompts。Zhong 等人先用一個離散prompt搜索方法定義了一個模板，然后基于該模板初始化虛擬的token，最后微調這些token的embedding以提高準確率。

Hard-Soft Prompt Hybrid Tuning. 這類方法可以說是手工設計和自動學習的結合，它通常不單純使用可學習的prompt模板，而是在手工設計的模板中插入一些可學習的embedding。Liu等人提出了“P-Tuning”方法，通過在input embedding中插入可訓練的變量來學習連續的prompts。并且，該方法使用BiLSTM的輸出來表示prompt embeddings，以便讓prompt tokens之間有一定的交互。P-tuning還引入了任務相關的anchor tokens（例如關系提取中的“capital”）來進一步提高效果，這些anchor tokens不參與后續的調優。Han等人提出了Prompt Tunning with Rules（PTR）方法，使用手工指定的子模板按照邏輯規則組裝成完整的模板。為了增強生成的模板的表示能力，該方法還插入了幾個虛擬token，這些虛擬token的embeddings可以和PLM的參數一起被調整，PTR的模板token既有實際token也有虛擬token 。實驗結果證明了該方法在關系分類任務中的有效性。四、Prompt的挑戰與展望

盡管Prompt相關研究搞得如火如荼，但目前仍存在許多問題，值得研究者們去探索。

Prompt的設計問題。目前使用Prompt的工作大多集中育分類任務和生成任務，其它任務則較少，因為如何有效地將預訓練任務和prompt聯系起來還是一個值得探討的問題。另外，模板和答案的聯系也函待解決。模型的表現同時依賴于使用的模板和答案的轉化，如何同時搜索或者學習出兩者聯合的最好效果仍然很具挑戰性。

Prompt的理論分析和可解釋性。盡管Prompt方法在很多情況下都取得了成功，但是目前prompt-based learning的理論分析和保證還很少，使得人們很難了解Prompt為什么能達到好的效果，又為什么在自然語言中意義相近的Prompt有時效果卻相差很大。

Prompt在PLM debias方面的應用。由于PLM在預訓練過程中見過了大量的人類世界的自然語言，所以很自然地受到了影響。拿一個簡單的例子來說，可能不太恰當，比如說訓練語料中有很多的“The capital of China is ”Beijing.“，導致模型認為下次看到”capital“ 的時候都會預測出”Beijing“，而不是著重看到底是哪個國家的首都。在應用的過程中，Prompt還暴露了PLM學習到的很多其它bias，比如種族歧視、恐怖主義、性別對立等等。已有相關研究關注是否可以利用Prompt來對這些bias進行修正，但還處在比較初級的階段，這也會是一個值得研究的方向。

五、引用

［1］ Liu P， Yuan W， Fu J， et al. Pre-train， Prompt， and Predict： A Systematic Survey of Prompting Methods in Natural Language Processing［J］。 arXiv preprint arXiv:2107.13586， 2021.

責任編輯：haq