Github
论文PromptPapers 项目介绍
PromptPapers 是一个专注于提示学习（Prompt Learning）领域的开源项目，旨在汇集和整理关于大规模预训练语言模型提示调优的研究论文。项目由宁丁（Ning Ding）和胡胜丁（Shengding Hu）主要维护，鼓励研究者通过提交合并请求来更新他们的论文信息。
提示学习简介
提示学习是一种不同于传统微调（Fine-tuning）的技术。传统微调利用显式的分类器进行任务，而提示学习则直接使用预训练模型来完成分类或回归任务。这种方法不仅改变了训练过程的组织方式，还将不同任务进行了统一处理。同时，提示学习的有效性还可以通过不同的视角来探讨，例如参数调整、训练模板生成等。
开源工具
在此项目中，研究团队还发布了一个开源的提示学习工具集——OpenPrompt。这项工具集为研究者提供了一个框架，用于更便捷地进行提示学习的研究与实验。
论文集合
PromptPapers 收录了一系列在大规模预训练模型上应用提示学习方法的研究论文。这些论文按不同主题分类，包括：
总览
涵盖近年来在自然语言处理（NLP）领域利用大规模预训练模型的趋势。
先锋工作
这些论文引领了提示学习范式的流行，探索了提示学习在自然语言处理中的可能性。
基础研究
探讨了提示调优的基本方面，如模板、词汇化器（Verbalizer）、训练范式等。
分析研究
对提示学习方法进行深入分析，研究其有效性原因、各类特性及局限性。
改进与优化
介绍了对提示调优方法的改进措施，包括利用额外资源增强性能，弥补先前工作中的不足，或从非常规方式进行提示调优。
专门化应用
专门为某些自然语言处理中特定任务设计的提示学习方法。
社区贡献
PromptPapers 鼓励研究者和开发者通过提交合并请求来贡献。他们可以更新自己的论文信息，以便共同推进提示学习这一领域的进展。详细的贡献方式可以在项目的贡献详情部分中找到。
综上所述，PromptPapers 提供了一个全面的资源库，帮助研究人员更方便地了解和利用提示学习的最新进展，同时也推动了跨领域的学术交流与合作。
