찾다
기술 주변기기일체 포함대규모 AI 모델이 자율적으로 질문하도록 허용: GPT-4는 인간과 대화하는 데 대한 장벽을 허물고 더 높은 수준의 성능을 보여줍니다.

인공지능 분야의 최신 트렌드에서는 인공적으로 생성된 프롬프트의 품질이 LLM(대형 언어 모델)의 응답 정확도에 결정적인 영향을 미칩니다. OpenAI는 이러한 대규모 언어 모델의 성능에 정확하고 상세하며 구체적인 질문이 중요하다고 제안합니다. 그러나 일반 사용자가 LLM에 대한 질문이 충분히 명확하다고 확신할 수 있습니까?

다시 작성해야 할 내용은 다음과 같습니다. 특정 상황에 대한 인간의 자연스러운 이해와 기계 해석 사이에는 상당한 차이가 있다는 점에 주목할 가치가 있습니다. 예를 들어, "짝수 달"이라는 개념은 분명히 인간에게는 2월, 4월과 같은 달을 의미하지만, GPT-4는 일수가 짝수인 달로 오해할 수도 있습니다. 이는 일상적인 맥락을 이해하는 데 있어 인공지능의 한계를 드러낼 뿐만 아니라, 이러한 대규모 언어 모델과 보다 효과적으로 의사소통하는 방법에 대해 생각해 보도록 유도합니다. 인공지능 기술이 지속적으로 발전함에 따라, 언어 이해에 있어서 인간과 기계 사이의 격차를 어떻게 메울 것인가는 향후 연구의 중요한 주제입니다

이 문제에 대해 캘리포니아 대학 Gu Quanquan 교수가 이끄는 종합 연구소는 , 로스앤젤레스(UCLA) 인공지능연구소(Artificial Intelligence Laboratory)가 대규모 언어 모델(예: GPT-4)의 문제 이해에 있어 모호성 문제에 대한 혁신적인 솔루션을 제안하는 연구 보고서를 발표했습니다. 이 연구는 박사 과정 학생들 Deng Yihe, Zhang Weitong 및 Chen Zixiang

대규모 AI 모델이 자율적으로 질문하도록 허용: GPT-4는 인간과 대화하는 데 대한 장벽을 허물고 더 높은 수준의 성능을 보여줍니다.


  • paper 주소에 의해 완료되었습니다. 주소 : https://uclaml.github.io/Rephrase-and-Respond
  • 다시 작성된 중국어 콘텐츠는 다음과 같습니다. 이 솔루션의 핵심은 대규모 언어 모델이 제기된 질문을 반복하고 확장하도록 하는 것입니다. 답변의 정확성을 높이기 위해. 연구 결과, GPT-4에서 재구성한 질문이 더욱 자세해지고 질문 형식이 더욱 명확해진 것으로 나타났습니다. 이러한 재진술 및 확장 방법은 모델의 답변 정확도를 크게 향상시킵니다. 실험에 따르면 잘 연습된 질문은 답변의 정확도를 50%에서 거의 100%까지 증가시키는 것으로 나타났습니다. 이러한 성능 향상은 대규모 언어 모델의 자체 개선 가능성을 보여줄 뿐만 아니라 인공 지능이 인간 언어를 보다 효과적으로 처리하고 이해할 수 있는 방법에 대한 새로운 관점을 제공합니다. 간단하지만 효과적인 프롬프트: "질문을 바꿔서 확장하고, 응답하세요"(줄여서 RaR). 이 프롬프트 단어는 질문에 대한 LLM의 답변 품질을 직접적으로 향상시켜 문제 처리에 있어 중요한 개선을 보여줍니다.

연구팀은 GPT-4와 같은 대형 모델의 능력을 최대한 활용하여 문제를 다시 설명하기 위해 "Two-step RaR"이라는 RaR의 변형도 제안했습니다. 이 접근 방식은 두 단계를 따릅니다. 첫째, 특정 질문에 대해 전문적인 표현 변경 LLM을 사용하여 표현 변경 질문을 생성하고, 두 번째로 원래 질문과 변경된 질문을 결합하여 응답 LLM에 답변을 요청하는 데 사용합니다.

Results

대규모 AI 모델이 자율적으로 질문하도록 허용: GPT-4는 인간과 대화하는 데 대한 장벽을 허물고 더 높은 수준의 성능을 보여줍니다.

연구원들은 다양한 작업에 대한 실험을 수행했으며 그 결과 단일 단계 RaR과 2단계 RaR 모두 GPT4의 답변 정확도를 효과적으로 향상시킬 수 있는 것으로 나타났습니다. 특히 RaR은 GPT-4에서는 어려울 수 있는 작업에 대해 상당한 개선을 보여 어떤 경우에는 정확도가 100%에 가까워졌습니다. 연구팀은 다음 두 가지 주요 결론을 요약했습니다.

대규모 AI 모델이 자율적으로 질문하도록 허용: GPT-4는 인간과 대화하는 데 대한 장벽을 허물고 더 높은 수준의 성능을 보여줍니다.1. RaR(Restate and Extend)은 다양한 작업에서 LLM의 성능을 효과적으로 향상시킬 수 있는 플러그 앤 플레이 블랙박스 프롬프트 방법을 제공합니다.

2. 질문 답변(QA) 작업에 대한 LLM의 성과를 평가할 때 질문의 품질을 확인하는 것이 중요합니다.

대규모 AI 모델이 자율적으로 질문하도록 허용: GPT-4는 인간과 대화하는 데 대한 장벽을 허물고 더 높은 수준의 성능을 보여줍니다.

연구원들은 Two-step RaR 방법을 사용하여 GPT-4, GPT-3.5 및 Vicuna-13b-v.15와 같은 다양한 모델의 성능을 탐색하는 연구를 수행했습니다. 실험 결과에 따르면 GPT-4와 같이 더 복잡한 아키텍처와 강력한 처리 기능을 갖춘 모델의 경우 RaR 방법이 문제 처리의 정확성과 효율성을 크게 향상시킬 수 있습니다. Vicuna와 같은 단순한 모델의 경우 개선 정도는 작지만 여전히 RaR 전략의 효율성을 보여줍니다. 이를 바탕으로 연구자들은 다양한 모델을 다시 말한 후 질문의 질을 추가로 조사했습니다. 더 작은 모델에 대한 재진술 질문은 때때로 질문의 의도를 방해할 수 있습니다. 그리고 GPT-4와 같은 고급 모델은 인간의 의도와 일치하고 다른 모델의 답변을 향상시킬 수 있는 의역 질문을 제공합니다

대규모 AI 모델이 자율적으로 질문하도록 허용: GPT-4는 인간과 대화하는 데 대한 장벽을 허물고 더 높은 수준의 성능을 보여줍니다.

이 발견은 중요한 현상을 드러냅니다. 언어 모델 의역의 수준이 다릅니다. 유효성. 특히 GPT-4와 같은 고급 모델의 경우, 다시 언급되는 문제는 문제에 대한 보다 명확한 이해를 제공할 뿐만 아니라 다른 소형 모델의 성능을 향상시키기 위한 효과적인 입력 역할을 할 수도 있습니다.

CoT(사고 사슬)와의 차이점

RaR과 CoT(사고 사슬)의 차이점을 이해하기 위해 연구자들은 수학적 표현을 제안하고 RaR이 CoT와 수학적으로 어떻게 다른지, 그리고 얼마나 쉽게 결합됩니다.

대규모 AI 모델이 자율적으로 질문하도록 허용: GPT-4는 인간과 대화하는 데 대한 장벽을 허물고 더 높은 수준의 성능을 보여줍니다.

본 연구에서는 모델의 추론 능력을 향상시키는 방법을 살펴보기에 앞서 모델의 추론 능력을 올바르게 평가할 수 있도록 질문의 질을 개선해야 함을 지적합니다. 예를 들어, '동전 뒤집기' 문제에서 GPT-4는 '뒤집기'를 인간의 의도와는 다른 무작위로 던지는 행위로 이해한 것으로 나타났습니다. 추론에서 모델을 안내하기 위해 "단계적으로 생각해보자"를 사용하더라도 이러한 오해는 추론 과정에서 여전히 지속됩니다. 질문을 명확히 한 후에야 대형 언어 모델이 의도한 질문에 대답했습니다

대규모 AI 모델이 자율적으로 질문하도록 허용: GPT-4는 인간과 대화하는 데 대한 장벽을 허물고 더 높은 수준의 성능을 보여줍니다.

또한 연구원들은 질문 텍스트 외에도 소수 CoT에 사용된 Q&A 예제도 인간이 작성한 것임을 발견했습니다. 이는 다음과 같은 질문을 제기합니다. 인위적으로 구성된 예제에 결함이 있을 때 LLM(대형 언어 모델)은 어떻게 반응합니까? 이 연구는 흥미로운 예를 제공하며 불량한 Few-Shot CoT 예가 LLM에 부정적인 영향을 미칠 수 있음을 발견했습니다. "Final Letter Join" 작업을 예로 들면, 이전에 사용된 문제 예제는 모델 성능 향상에 긍정적인 효과를 보여주었습니다. 하지만 마지막 글자 찾기에서 첫 글자 찾기로 프롬프트 로직이 바뀌자 GPT-4는 잘못된 답을 내놨다. 이 현상은 인공 사례에 대한 모델의 민감도를 강조합니다.

대규모 AI 모델이 자율적으로 질문하도록 허용: GPT-4는 인간과 대화하는 데 대한 장벽을 허물고 더 높은 수준의 성능을 보여줍니다.

연구원들은 RaR을 사용하면 GPT-4가 주어진 예에서 논리적 결함을 수정하여 소수의 CoT의 품질과 견고성을 향상시킬 수 있음을 발견했습니다.

결론

인간과 대규모 간의 통신 언어 모델(LLM)은 오해될 수 있습니다. 인간에게는 명확해 보이는 질문이 대규모 언어 모델에서는 다른 것으로 이해될 수 있습니다. UCLA 연구팀은 LLM이 질문에 답하기 전에 질문을 다시 언급하고 명확하게 하는 새로운 방법인 RaR을 제안하여 이 문제를 해결했습니다.

RaR의 효과는 여러 벤치마크 데이터 세트에 대한 실험을 통해 입증되었습니다. 평가에서 확인되었습니다. 추가 분석 결과 문제를 다시 언급하면 ​​문제 품질이 향상될 수 있으며, 이러한 개선 효과는 다른 모델 간에도 전달될 수 있음을 보여줍니다

향후 전망에서는 RaR과 유사한 방법이 지속적으로 개선될 것으로 예상되며, 동시에 CoT와 같은 다른 방법과의 통합은 인간과 대규모 언어 모델 간의 상호 작용에 대한 보다 정확하고 효율적인 방법을 제공하여 궁극적으로 AI 설명 및 추론 기능의 경계를 확장합니다

위 내용은 대규모 AI 모델이 자율적으로 질문하도록 허용: GPT-4는 인간과 대화하는 데 대한 장벽을 허물고 더 높은 수준의 성능을 보여줍니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

성명
이 기사는 51CTO.COM에서 복제됩니다. 침해가 있는 경우 admin@php.cn으로 문의하시기 바랍니다. 삭제
생산 등급 에이전트 헝겊 파이프 라인을 모니터링하는 방법은 무엇입니까?생산 등급 에이전트 헝겊 파이프 라인을 모니터링하는 방법은 무엇입니까?Apr 12, 2025 am 09:34 AM

소개 2022 년에 Chatgpt의 출시는 기술 및 비 기술 산업 모두에 혁명을 일으켜 개인과 조직에 생성 AI를 제공했습니다. 2023 년 내내 노력은 큰 언어 모드를 활용하는 데 집중했습니다

스타 스키마로 데이터웨어 하우스를 최적화하는 방법은 무엇입니까?스타 스키마로 데이터웨어 하우스를 최적화하는 방법은 무엇입니까?Apr 12, 2025 am 09:33 AM

Star Schema는 데이터웨어 하우징 및 비즈니스 인텔리전스에 사용되는 효율적인 데이터베이스 설계입니다. 주변 치수 테이블에 연결된 중앙 사실 테이블로 데이터를 구성합니다. 이 별 모양의 구조는 복잡한 q를 단순화합니다

멀티 모달 헝겊 시스템 구축에 대한 포괄적 인 안내서멀티 모달 헝겊 시스템 구축에 대한 포괄적 인 안내서Apr 12, 2025 am 09:29 AM

Rag Systems로 더 잘 알려진 검색 증강 생성 시스템은 값 비싼 미세 튜닝의 번거 로움없이 맞춤형 엔터프라이즈 데이터에 대한 질문에 답하는 지능형 AI 보조원을 구축하는 데 필요한 표준이되었습니다.

에이전트 래그 시스템이 기술을 어떻게 변화시킬 수 있습니까?에이전트 래그 시스템이 기술을 어떻게 변화시킬 수 있습니까?Apr 12, 2025 am 09:21 AM

소개 인공 지능은 새로운 시대에 들어 왔습니다. 모델이 사전 정의 된 규칙에 따라 정보를 단순히 출력하는 시대는 지났습니다. 오늘 AI의 최첨단 접근 방식은 Rag를 중심으로 진행됩니다 (검색-augmente

자동 생성 쿼리에 대한 SQL 어시스턴트자동 생성 쿼리에 대한 SQL 어시스턴트Apr 12, 2025 am 09:13 AM

단순히 데이터베이스와 대화하고, 일반 언어로 질문을하고, 복잡한 SQL 쿼리를 작성하거나 스프레드 시트를 정렬하지 않고 즉각적인 답변을받을 수 있기를 바랐습니까? Langchain의 SQL 툴킷으로 Groq a

AI Index 2025 읽기 : AI는 친구, 적 또는 부조종사입니까?AI Index 2025 읽기 : AI는 친구, 적 또는 부조종사입니까?Apr 11, 2025 pm 12:13 PM

Stanford University Institute for Human-Oriented Intificial Intelligence가 발표 한 2025 인공 지능 지수 보고서는 진행중인 인공 지능 혁명에 대한 훌륭한 개요를 제공합니다. 인식 (무슨 일이 일어나고 있는지 이해), 감사 (혜택보기), 수용 (얼굴 도전) 및 책임 (우리의 책임 찾기)의 네 가지 간단한 개념으로 해석합시다. 인지 : 인공 지능은 어디에나 있고 빠르게 발전하고 있습니다 인공 지능이 얼마나 빠르게 발전하고 확산되고 있는지 잘 알고 있어야합니다. 인공 지능 시스템은 끊임없이 개선되어 수학 및 복잡한 사고 테스트에서 우수한 결과를 얻고 있으며 1 년 전만해도 이러한 테스트에서 비참하게 실패했습니다. AI 복잡한 코딩 문제 또는 대학원 수준의 과학적 문제를 해결한다고 상상해보십시오-2023 년 이후

Meta Llama 3.2- 분석 Vidhya를 시작합니다Meta Llama 3.2- 분석 Vidhya를 시작합니다Apr 11, 2025 pm 12:04 PM

메타의 라마 3.2 : 멀티 모달 및 모바일 AI의 도약 Meta는 최근 AI에서 강력한 비전 기능과 모바일 장치에 최적화 된 가벼운 텍스트 모델을 특징으로하는 AI의 상당한 발전 인 Llama 3.2를 공개했습니다. 성공을 바탕으로 o

AV 바이트 : Meta ' S Llama 3.2, Google의 Gemini 1.5 등AV 바이트 : Meta ' S Llama 3.2, Google의 Gemini 1.5 등Apr 11, 2025 pm 12:01 PM

이번 주 AI 환경 : 발전의 회오리 바람, 윤리적 고려 사항 및 규제 토론. OpenAi, Google, Meta 및 Microsoft와 같은 주요 플레이어

See all articles

핫 AI 도구

Undresser.AI Undress

Undresser.AI Undress

사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover

AI Clothes Remover

사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool

Undress AI Tool

무료로 이미지를 벗다

Clothoff.io

Clothoff.io

AI 옷 제거제

AI Hentai Generator

AI Hentai Generator

AI Hentai를 무료로 생성하십시오.

인기 기사

R.E.P.O. 에너지 결정과 그들이하는 일 (노란색 크리스탈)
3 몇 주 전By尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. 최고의 그래픽 설정
3 몇 주 전By尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. 아무도들을 수없는 경우 오디오를 수정하는 방법
3 몇 주 전By尊渡假赌尊渡假赌尊渡假赌
WWE 2K25 : Myrise에서 모든 것을 잠금 해제하는 방법
3 몇 주 전By尊渡假赌尊渡假赌尊渡假赌

뜨거운 도구

Atom Editor Mac 버전 다운로드

Atom Editor Mac 버전 다운로드

가장 인기 있는 오픈 소스 편집기

맨티스BT

맨티스BT

Mantis는 제품 결함 추적을 돕기 위해 설계된 배포하기 쉬운 웹 기반 결함 추적 도구입니다. PHP, MySQL 및 웹 서버가 필요합니다. 데모 및 호스팅 서비스를 확인해 보세요.

ZendStudio 13.5.1 맥

ZendStudio 13.5.1 맥

강력한 PHP 통합 개발 환경

에디트플러스 중국어 크랙 버전

에디트플러스 중국어 크랙 버전

작은 크기, 구문 강조, 코드 프롬프트 기능을 지원하지 않음

SecList

SecList

SecLists는 최고의 보안 테스터의 동반자입니다. 보안 평가 시 자주 사용되는 다양한 유형의 목록을 한 곳에 모아 놓은 것입니다. SecLists는 보안 테스터에게 필요할 수 있는 모든 목록을 편리하게 제공하여 보안 테스트를 더욱 효율적이고 생산적으로 만드는 데 도움이 됩니다. 목록 유형에는 사용자 이름, 비밀번호, URL, 퍼징 페이로드, 민감한 데이터 패턴, 웹 셸 등이 포함됩니다. 테스터는 이 저장소를 새로운 테스트 시스템으로 간단히 가져올 수 있으며 필요한 모든 유형의 목록에 액세스할 수 있습니다.