LM SupCon

Aprendizaje contrastivo para estudiantes de idiomas con pocas oportunidades y basados ​​en indicaciones

Este repositorio cubre la implementación del siguiente documento: Aprendizaje contrastivo para estudiantes de idiomas de pocas oportunidades basado en indicaciones de Yiren Jian, Chongyang Gao y Soroush Vosoughi, aceptado en NAACL 2022.

Si encuentra que este repositorio es útil para su investigación, considere citar el artículo.

 @inproceedings { jian-etal-2022-contrastive ,
    title = " Contrastive Learning for Prompt-based Few-shot Language Learners " ,
    author = " Jian, Yiren  and
      Gao, Chongyang  and
      Vosoughi, Soroush " ,
    booktitle = " Proceedings of the 2022 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies " ,
    month = jul,
    year = " 2022 " ,
    address = " Seattle, United States " ,
    publisher = " Association for Computational Linguistics " ,
    url = " https://aclanthology.org/2022.naacl-main.408 " ,
    pages = " 5577--5587 " ,
    abstract = "The impressive performance of GPT-3 using natural language prompts and in-context learning has inspired work on better fine-tuning of moderately-sized models under this paradigm. Following this line of work, we present a contrastive learning framework that clusters inputs from the same class for better generality of models trained with only limited examples. Specifically, we propose a supervised contrastive framework that clusters inputs from the same class under different augmented {``}views{''} and repel the ones from different classes. We create different {``}views{''} of an example by appending it with different language prompts and contextual demonstrations. Combining a contrastive loss with the standard masked language modeling (MLM) loss in prompt-based few-shot learners, the experimental results show that our method can improve over the state-of-the-art methods in a diverse set of 15 language tasks. Our framework makes minimal assumptions on the task or the base model, and can be applied to many recent methods with little modification.",
}

Nuestro código está tomado en gran medida de LM-BFF y SupCon ( /src/losses.py ).

Requisitos

Este repositorio se probó con Ubuntu 18.04.5 LTS, Python 3.7, PyTorch 1.6.0 y CUDA 10.1. Necesitará una GPU de 48 GB para experimentos con RoBERTa-base y 4 GPU de 48 GB para RoBERTa-large. Realizamos nuestros experimentos en Nvidia RTX-A6000 y RTX-8000, pero Nvidia A100 con 40 GB también debería funcionar.

Descargar datos

Utilizamos conjuntos de datos preprocesados ​​(SST-2, SST-5, MR, CR, MPQA, Subj, TREC, CoLA, MNLI, SNLI, QNLI, RTE, MRPC, QQP) de LM-BFF. LM-BFF ofrece scripts útiles para descargar y preparar el conjunto de datos. Simplemente ejecute los siguientes comandos.

 cd data
bash download_dataset.sh

Luego use el siguiente comando para generar conjuntos de datos de 16 disparos que usamos en el estudio.

python tools/generate_k_shot_data.py

Ejecutando nuestro ajuste

Las indicaciones principales (plantillas) utilizadas para las tareas se han predefinido en run_experiments.sh . Las plantillas auxiliares utilizadas al generar vistas múltiples de entradas para el aprendizaje contrastivo se pueden encontrar en /auto_template/$TASK .

Suponiendo que tiene una GPU en su sistema, mostramos un ejemplo de cómo ejecutar nuestro ajuste fino en SST-5 (plantillas aleatorias y demostraciones aleatorias para "vistas aumentadas" de entradas).

 for seed in 13 21 42 87 100   # ### random seeds for different train-test splits
do
    for bs in 40   # ### batch size
    do
        for lr in 1e-5    # ### learning rate for MLM loss
        do
            for supcon_lr in 1e-5    # ### learning rate for SupCon loss
            do
                TAG=exp 
                TYPE=prompt-demo 
                TASK=sst-5 
                BS= $bs 
                LR= $lr 
                SupCon_LR= $supcon_lr 
                SEED= $seed 
                MODEL=roberta-base 
                bash run_experiment.sh
            done
        done
    done
done

rm -rf result/

Nuestro marco también se aplica al método basado en indicaciones sin demostraciones, es decir, TYPE=prompt (en este caso, solo tomamos muestras aleatorias de plantillas para generar "vistas aumentadas"). Los resultados se guardan en log .

El uso de RoBERTa-large como modelo base requiere 4 GPU, cada una con 48 GB de memoria. Primero debe editar la línea 20 en src/models.py para que sea def __init__(self, hidden_size=1024) .

 for seed in 13 21 42 87 100   # ### random seeds for different train-test splits
do
    for bs in 10   # ### batch size for each GPU, total batch size is then 40
    do
        for lr in 1e-5    # ### learning rate for MLM loss
        do
            for supcon_lr in 1e-5    # ### learning rate for SupCon loss
            do
                TAG=exp 
                TYPE=prompt-demo 
                TASK=sst-5 
                BS= $bs 
                LR= $lr 
                SupCon_LR= $supcon_lr 
                SEED= $seed 
                MODEL=roberta-large 
                bash run_experiment.sh
            done
        done
    done
done

rm -rf result/

Recopilación de resultados

 python tools/gather_result.py --condition "{'tag': 'exp', 'task_name': 'sst-5', 'few_shot_type': 'prompt-demo'}"

Recopilará los resultados del log y calculará la media y la desviación estándar de esas 5 divisiones de prueba de tren.

Contactos

Si tiene alguna pregunta, comuníquese con los autores.

Agradecimientos

Gracias a LM-BFF y SupCon, por las implementaciones preliminares.