基本信息

---

下载

文档摘要

---

摘要

随着大规模预训练语言模型的发展，参数高效微调技术成为自然语言处理领域的研

究热点。其中，提示微调作为的一种典型方法，能够在不调整模型大部分参数的情况下，

通过引入任务相关的提示向量来适配不同任务。然而，当前主流方法往往为每个任务单

独训练提示向量，缺乏跨任务共享机制，从而限制了任务间信息交互，进而影响整体泛

化性能。此外，在多任务训练场景下，部分任务主导优化过程可能导致模型对其过度适

配，而其他任务性能受损甚至出现负迁移。同时，现有方法在大模型适配方面效率较低，

当资源受限时难以广泛应用。