朝阳区seoseo网站结构优化

诸神缄默不语-个人CSDN博文目录
诸神缄默不语的论文阅读笔记和分类

论文名称：How Can We Know What Language Models Know?

ArXiv网址：https://arxiv.org/abs/1911.12543

官方GitHub项目（prompt之类的都有）：https://github.com/jzbjyb/LPAQA

本文是2020年TACL论文，作者来自卡耐基梅隆大学和博世北美研究所。

本文关注探索LM中蕴含的知识。以前已经有工作用完形填空的方式来探查知识（Obama is a __ by profession），但是这些填空模版（prompt）都是手工做的，因此可能是sub-optimal的（在上一篇论文最后也提及了），不能充分发挥LM的能力。
本文的解决方案是自动挖掘prompt（远程监督、回译、集成）

这篇工作的实验真的多，这也太能做了。

1. 探查知识的方案

从数据库中获取知识是deterministic的，但从LM中获取知识（完形填空）是不可靠的。
本文用的都是双向LM，做填空题的那种。

1. mining-based methods：远程监督：从维基百科中找三元组出现的句子。
   1. 方法一：Middle-word Prompts（subject prompt object）
   2. 方法二：Dependency-based Prompts（句法分析→subject和object之间的依存路径）
      
      （句法分析这块我也不懂总之大概是这么个意思吧）
2. paraphrasing-based methods：对人工或挖掘得到的种子prompt进行回译
3. 挑选和集成prompt
   1. Top-1 Prompt Selection：选择在训练集上准确率最高的prompt（这个准确率的公式定义比较复杂，但是反正就这个prompt对应的关系里object预测正确的占所有样本的比例）
   2. Rank-based Ensemble：top-K概率求和
   3. Optimized Ensemble：大意是说对每个关系的T个prompt分别训练权重
      
      

这篇paper里面还提及了BERT跟LM的标准定义严格来说不一样这一茬：

感觉现在已经没人在乎了=== 随便吧==

2. 实验

1. 数据集

2. LM

BERT-base
BERT-large

增强了外部的实体表征：
ERNIE
Know-Bert

3. baseline

1. Majority
2. Man：手工prompt
3. Mine
4. Mine+Man
5. Mine+Para
6. Man+Para
7. TopK：求平均
8. Opti.：加权平均
9. Oracle：所有prompt中有一个能预测正确，就算LM知道这个知识

4. 实验设置

mine 40个prompts
回译7个prompts

清洗噪音prompts

Adam
batch size: 32

5. 主实验结果

与手工prompt相比，效果得到了提升：

集成权重：

K的选择：

prompt做轻微修改也能改变效果：

两种远程监督方案的对比：

不同LM的实验结果：

在LAMA-HUN（一个比LAMA更难的benchmark）上的表现：

在Google-RE上的表现：

6. 实验分析

Prediction Consistency by Prompt

divergence是两个prompt预测结果不同的程度：

皮尔森相关系数是0.25，说明编辑距离和divergence之间确实存在弱相关性（prompt差别越大，预测结果差别越大）

POS-based Analysis

用排名分布而不是准确率分布，在脚注解释了一下是因为不同关系的准确率的量级不同

Cross-model Consistency

检测prompts能不能跨模型通用

Linear vs. Log-linear Combination

求和的权重

7. 失败trick集合

这块真实诚啊

1. LM-aware Prompt Generation
   
2. Forward and Backward Probabilities