PEML: Parameter-efficient Multi-Task Learning with Optimized Continuous Prompts

Dieser Artikel stellt PEML vor, eine Methode für parameter-effizientes Multi-Task-Lernen mit optimierten kontinuierlichen Prompts für große Sprachmodelle. Sie zielt darauf ab, die Einschränkungen bestehender PEFT-Methoden wie LoRA und Prefix Tuning zu überwinden, indem sie ein effizienteres Fine-Tuning für mehrere Aufgaben ermöglicht und die Ressourcennutzung konsolidiert.