[阅读笔记2][FLAN]FINETUNED LANGUAGE MODELS ARE ZERO-SHOT LEARNERS

接下来这篇是谷歌的FLAN，提出了指令微调这一新范式，在2022年发表。

这篇论文指出GPT3的zero-shot性能相比few-shot性能差太多了。他们发现如果对预训练模型进行指令微调能使zero-shot性能显著提升，下面右图显示指令微调后zero-shot比GPT3 few-shot性能都要强。
左图解释了指令微调，就是把输入转化为指令的格式，然后再去不相关的任务上做微调，最后却能提升没见过任务的性能。

指令微调是将前两种范式进行了结合，提升了语言模型在推理时的交互响应。
第一种范式就是预训练微调范式，针对特定任务需要特定数据集来微调。
第二种范式是gpt3提出的prompting范式，把任务相关的示例输入给模型，利用模型上下文学习能力来得到想要的输出。
第三种就是本文提出的指令微调范式，可以显著提升模型的zero-shot能力。

微调一共使用了62个文本数据集，每个数据集又属于不同任务，按照任务分类可以分为12类。为了测试模型的zero-shot能力，他这里定义了一下没见过的任务，他认为只有任务类中所有数据集都没见过，那这个任务才算是没见过的任务。以自然语言推理任务为例，使用剩余11个任务类中数据集进行微调，然后自然语言推理任务中的数据集作为测试集进行测试。

对于每一个数据集，作者又定义了10个不同的输入模板，这是为了防止模型对某一特定输入过拟合。但后续实验证明效果不明显。

模型使用的是LaMDA的预训练版本，然后对其进行指令微调。下图是FLAN的zero-shot性能，虽然模型不如GPT3大，但是性能却比GPT3要好。

作者做了三个消融实验，第一个是考虑参与微调的任务类数量，如图中所示，随着微调的其他任务增多，模型平均性能持续上升。第二个消融是考虑模型大小，对于大模型指令微调才有性能提升的作用，对于小模型反而性能变差了，对于这点可能的解释是对小模型微调会挤占参数空间，造成预训练的通用知识遗忘。

最后一个消融是考虑指令格式的作用，因为性能提升也可能单纯因为进行了微调，扩大了参与训练的语料。以翻译任务为例，作者将模型输入分为了三种格式，第一种就是简单输入待翻译句子，第二种先输入任务名再输入数据集名最后是句子，第三种就是指令格式。可以看到还是使用指令格式的输入性能最好，也就是说模型提升纯粹是因为指令这种格式。