HiDe-PET：利用分层分解实现参数高效调节的持续学习

通过分解软提示和使用不同的学习率进行优化，提出了分解提示调优（DePT）。在23个NLP和VL任务上的实验中，证明了DePT在某些情景下优于最先进的微调方法。研究还发现DePT在模型规模增大时更高效，并适用于少样本学习和各种模型架构和规模。