个人博客网站实验报告wordpress 页面新建

Prompt summary：是通过精心设计的提示词（prompt）引导大型语言模型（如 GPT-4）生成特定风格或结构的摘要。其目标不仅是压缩信息，还包括满足特定的格式要求、风格偏好或任务需求，所以和一般的文本摘要还是有些差异的。下面展示了prompt compress技术路线分类总结图。

 

1. 基于信息熵压缩的 LLMLingua

1.1 摘要

这里以微软的一篇发表在2023 EMNLP 顶级期刊研究论文，介绍下prompt compress技术。LLMLingua: Compressing Prompts for Accelerated Inference of Large Language Models https://arxiv.org/pdf/2310.05736。

就信息熵角度来说，困惑度 (PPL) 较低的标记对语言模型的整体熵增益贡献较小,删除困惑度较低的词条，对LLM理解上下文的影响相对较小， 基于这个理论指导，这篇论文进行了尝试。

大型语言模型 (LLM) 因其强大的性能而被广泛应用于各种领域。随着思路链 (CoT) 提示和语境学习 (ICL) 等技术的进步，输入到 LLM 的提示越来越长，甚至超过数万个 token。为了加速模型推理并降低成本，本文提出了一种由粗到精的提示压缩方法 LLMLingua，该方法包含一个预算控制器以在高压缩率下保持语义完整性，一个 token 级迭代压缩算法以更好地模拟压缩内容之间的相互依赖关系，以及一种基于指令调优的语言模型间分布对齐方法。我们在四个不同场景的数据集上进行了实验和分析，分别是 GSM8K、BBH、ShareGPT 和 Arxiv-March23；结果表明，所提出的方法达到了最先进的性能，并且允许高达 20 倍的压缩，而性能损失却很小。

1.2 实现步骤

先看下论文的框架图：

 

要点总结：

1. 为了保证小模型和大模型的数据分布尽可能的一致，使用大模型的输出指令对小模型（gpt2, llma）进行微调。

2. 原始的prompt 通常包含三个部分，一个是指令，一个示例，一个问题，那么根据三部分，我们知道，指令和问题，对于llm回答正确的问题是更加的重要的，demonstration 显然没有那么的重要，所以基于此，设计了budget controller, 这个的作用就是在对是三个部分设置不同的压缩比例。

3. 针对一个prompt，首先输入小模型，然后对小模型输出的demonstration进行困惑度计算，并按照从高到低进行排序，根据设定的压缩长度的阈值计算公式，选择出来满足这个要求的demonstration， 进行保留，不满足的demonstration进行舍弃。

4. 将选择出来的demonstration和之前prompt 中的instruction, question 再组合起来，将这个文本分割成几个文本块，然后对每一个文本块逐个字进行判断是不是大于某个困惑度阈值，然后选择出大于的token作为最终的输出。