P-tuning v2 利用深度提示调优，即对预训练变压器的每一层输入应用连续提示。 Deep prompt tuning 增加了连续提示的能力，并缩小了跨各种设置进行微调的差距，特别是对于小型模型和艰巨的任务。
感谢@rainatam 为发布重新组织代码的共同努力！
常见问题
一些读者注意到 SuperGLUE 中 P-tuning (v1) 和 P-tuning v2 之间的“不匹配”：这是因为在 P-tuning 的 SuperGLUE 实验中，为了与 PET 进行公平比较，我们遵循其实验设置，其中 backbone 预训练模型参数与连续提示嵌入联合调整；而在 P-tuning v2 中，我们遵循 Prefix tuning 和 Lester 等人的参数高效设置，其中骨干预训练模型参数被冻结。
