可控文本生成，旨在讓語(yǔ)言模型的輸出帶有我們想要的某種屬性。比如情感、主題、三元組等。一般我們習(xí)慣采用 CTRL[1] 或者 PPLM[2] 等方式。但是，CTRL 是對(duì)整個(gè)語(yǔ)言模型進(jìn)行 Finetuning, PPLM 因?yàn)樾枰谏傻倪^(guò)程中迭代更新 hidden activations，所以推理速度非常慢。

隨著 Prompting 技術(shù)的大火，我們一直在思考，Prompt 究竟能夠帶來(lái)什么？我們都說(shuō)，Prompt 本質(zhì)上是一種激發(fā)語(yǔ)言模型中知識(shí)的手段。因此，它應(yīng)該不僅僅局限于數(shù)據(jù)集或者說(shuō)任務(wù)的層面，激發(fā)模型對(duì)于某個(gè)任務(wù)的“知識(shí)”，還應(yīng)該擴(kuò)展到范圍更廣的控制屬性層面，激發(fā)模型對(duì)于某種輸出屬性的 sense ！

于是，我們不妨把視角從 task scaling 挪開(kāi)，更多地關(guān)注一下 Prompt 對(duì)于可控性的 buff 加成。

今天的這篇文章來(lái)自 UCSB 和微軟，提出通過(guò)對(duì)比學(xué)習(xí)的方法找尋到了這個(gè) buff 一般的 Prompt，能夠“調(diào)教”我們的語(yǔ)言模型進(jìn)行可控的生成。

論文標(biāo)題：
Controllable Natural Language Generation with Contrastive Prefixes

論文作者：
Jing Qian, Li Dong, Yelong Shen, Furu Wei, Weizhu Chen

論文鏈接：
https://arxiv.org/abs/2202.13257

模型方法

首先明確一個(gè)概念：Prefix。讀者可以簡(jiǎn)單看一下 Prefix-Tuning[3] 的方法圖，就大概知道：Prefix 相當(dāng)于一種控制指令，加在輸入的最前面，以控制生成文本的屬性。

本文提出了兩種方法，分別是監(jiān)督方法和無(wú)監(jiān)督方法。

下面的方法介紹以 Sentiment Control 為例（即生成給定帶有情感的文本）。該任務(wù)要訓(xùn)練的，正是 positive 和 negative 的兩種情感類(lèi)別所對(duì)應(yīng)的 prefix.

監(jiān)督方法

整個(gè)訓(xùn)練過(guò)程和 Prefix-Tuning[3] 相似，LM 的參數(shù)是凍結(jié)的，只調(diào)整 Prefix 相關(guān)聯(lián)的參數(shù)。在訓(xùn)練的時(shí)候，除了LM loss 之外，新增一個(gè)判別損失：

其中， 代表生成文本， 代表控制信號(hào)的類(lèi)別（positive 或 negative）。

無(wú)監(jiān)督方法

在監(jiān)督方法中，控制信號(hào)是已知的。實(shí)際場(chǎng)景中還會(huì)常常出現(xiàn)控制信號(hào)未知的情況，因此需要通過(guò)變分的無(wú)監(jiān)督方法找到這個(gè)“虛擬的類(lèi)別信號(hào)“并使用 latent variable 表征，即 VQ-VAE[4] 的思想。

如圖，需要先通過(guò)一個(gè) encoder 預(yù)測(cè)相應(yīng)輸入對(duì)應(yīng)的 latent variable 作為 prefix index(指代當(dāng)前要使用哪個(gè) prefix)。設(shè) prefix index 為 ，則這個(gè) encoder 就是要學(xué)習(xí) 這個(gè)分布。

一方面，除了 LM loss ，還需要保證后驗(yàn)概率 或 盡可能的準(zhǔn)確，故引入 KL 散度：

這里的 假設(shè)是 uniform distribution。其中，

GS 表示 Gumbel Softmax， 是 GS 的 temperature 參數(shù)。

關(guān)于這塊兒的詳細(xì)原理，就是我們小學(xué)二年級(jí)就學(xué)過(guò)的 EM 算法啦~

幫讀者回憶一下：

......

另外，作者又提出了一個(gè)無(wú)監(jiān)督對(duì)比損失：其中， 和 是根據(jù) decoder 的文本生成概率得到的，具體計(jì)算方式如下：

最后總的損失函數(shù)為 ，, 的加權(quán)求和，

實(shí)驗(yàn)結(jié)果

Sentiment Control

Detoxification

Topic Control

推理速度

Multi-Aspect Control

實(shí)際場(chǎng)景中，很少有 multi-aspect labeled data，只有 single-aspect labeled data.

本文使用了兩種方式來(lái)解決多種屬性的可控生成問(wèn)題：

Ours (concatenation)：使用 single-aspect labeled data 分別訓(xùn)練各自的 prefix, 然后在 multi-aspect control 任務(wù)中將其拼接起來(lái)。

Ours (semi-supervised)：同時(shí)訓(xùn)練 multi-aspect prefixes, 在訓(xùn)練時(shí)把 single-aspect labeled example 當(dāng)做 partially labeled. 此外，multi-aspect prefixes 經(jīng)過(guò)了 trained single-aspect prefixes 的初始化。

Ours (semi-supervised) 是上述監(jiān)督方法和無(wú)監(jiān)督方法的組合，因此架構(gòu)圖和無(wú)監(jiān)督方法的圖是一樣的。

寫(xiě)在最后

這里也推薦讀者品讀一下 DeepMind & ICL 的相似工作：Control Prefixes [5].

古人云：“君子生非異也，善假于物也”。我們把語(yǔ)言模型比作“人”，把可控性比作“物”，也許，大大小小的語(yǔ)言模型在能力的本質(zhì)上并沒(méi)有什么不同，但是如果可以通過(guò)不同的 Control Prefixes，假之以物，則語(yǔ)言模型可成“君子”也?。ü?，搞一個(gè)俏皮的比喻~）

無(wú)論是本文介紹的 Contrastive Prefixes 也好，還是 Control Prefixes 也好，我們都可以從中發(fā)現(xiàn) Prompt 對(duì)于”調(diào)教“語(yǔ)言模型的偉大能力。從 task 到 controllability, 可能會(huì)是 prompt 向前發(fā)展的又一個(gè)新階段吧~

審核編輯 ：李倩