这篇文章是对PET的改进。下图是蕴含任务的举例。
左边是PET的过程,是预测MASK位置的token,然后经过softmax得到 logits,再用label_word处的logit计算BCE Loss。
右边是文章提出的模型,它不预测label_word,而是把label_word加入到输入中,随机MASK掉其他的token,来预测MASK掉的token。以图中举例,当正确的标签NO加入到输入中时,模型应该预测出Oil与full(即与1计算BCE Loss),当错误的标签Yes加入到输入中,模型不应该预测出Oil与full(与0计算BCE Loss)。
需要指出的是,这个方法和PET,预训练模型的参数是需要调节的,不是调节prompt的参数。可以认为是利用prompt来调预训练模型的参数(在PET方法中可见)。