지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.8
- 수록면
- 919 - 928 (10page)
- DOI
- 10.9717/kmms.2024.27.8.919
이용수
초록· 키워드
오류제보하기
This investigation implemented a multi-query convergence approach on Meta’s 라마 3.1 language model, significantly enhancing its capabilities on the GLUE dataset tasks, specifically WNLI and MRPC. By adopting this methodology, the 라마 3.1 Queried model showed marked improvements, with accuracy in the MRPC task rising from 50% to 62%. In the WNLI task, accuracy also improved significantly, increasing from 39.43% to 61.97%. These enhancements are largely due to the method’s effectiveness in enhancing complex contextual understanding and detailed language pattern recognition. Further evaluations measured additional performance metrics, notably the Certainty Ratio and Time Per Prompt. The Certainty Ratio for the MRPC task was 98.21% with the original model and 93.83% with the queried model, while for the WNLI task, it was 100.00% originally and 98.32% with the queried model. This slight decrease in certainty illustrates a nuanced trade-off in model confidence when handling more complex queries. Additionally, the Time Per Prompt metric underscored the efficiency of the queried model, maintaining competitive processing times despite the added complexity of the multi-query approach. These metrics not only validate the model’s enhanced accuracy but also its practical applicability and reliability in processing language tasks efficiently.
목차
ABSTRACT
1. 서론
2. 관련 연구
3. 제안하는 방법
4. 실험 결과 및 고찰
5. 결론
REFERENCE
참고문헌 (9)
참고문헌 신청
D. Nathani, D. Wang, L. Pan, and W.Y. Wang, “MAF: Multi-Aspect Feedback for Improving Reasoning in Large Language Models,” Proceedings of the 2023 Conference on Empirical Methods in Natural Language Processing, pp. 6591–6616, 2023.
S. Kim, S. Bae, J. Shin, S. Kang, D. Kwak, K. Yoo, et al., “Aligning Large Language Models through Synthetic Feedback,” Proceedings of the 2023 Conference on Empirical Methods in Natural Language Processing, pp. 13677-13700, 2023.
T. Yu, T.E Lin, Y. Wu, M. Yang, F. Huang, and Y. Li, “Constructive Large Language Model Alignment with Diverse Feedback,” arXiv Preprint, arXiv:2310.06450, 2024.
A. Chen, J. Scheurer, T. Korbak, J.A. Campos, J.S. Chan, S.R. Bowman, et al., “Improving Code Generation by Training with Natural Language Feedback,” arXiv Preprint, arXiv:2303.16749, 2023.
X. Wang, Z. Wang, J. Liu, Y. Chen, L. Yuan, H. Peng, et al., “MINT: Evaluating LLMs in Multi-turn Interaction with Tools and Language Feedback,” Proceedings of the Twelfth International Conference on Learning Representations, 2024.
S. Kim, S. Bae, J. Shin, S. Kang, D. Kwak, K. Yoo, et al., “Aligning Large Language Models through Synthetic Feedback,” Proceedings of the 2023 Conference on Empirical Methods in Natural Language Processing, pp. 13677-13700, 2023.
T. Yu, T.E Lin, Y. Wu, M. Yang, F. Huang, and Y. Li, “Constructive Large Language Model Alignment with Diverse Feedback,” arXiv Preprint, arXiv:2310.06450, 2024.
A. Chen, J. Scheurer, T. Korbak, J.A. Campos, J.S. Chan, S.R. Bowman, et al., “Improving Code Generation by Training with Natural Language Feedback,” arXiv Preprint, arXiv:2303.16749, 2023.
X. Wang, Z. Wang, J. Liu, Y. Chen, L. Yuan, H. Peng, et al., “MINT: Evaluating LLMs in Multi-turn Interaction with Tools and Language Feedback,” Proceedings of the Twelfth International Conference on Learning Representations, 2024.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
공간 효율적인 Top-k Query 인코딩
한국정보과학회 학술발표논문집
2018 .06
-
Routing Techniques for Data Aggregation in Sensor Networks
JIPS(Journal of Information Processing Systems)
2018 .01
-
그리드 인덱스 기반 뷰 선택 기법을 이용한 효율적인 Top-k 질의처리 알고리즘
정보과학회 컴퓨팅의 실제 논문지
2015 .01
-
Batch Processing Algorithm for Moving k-Farthest Neighbor Queries in Road Networks
한국컴퓨터정보학회 학술발표논문집
2021 .07
-
Query, Key, Value 활성화 공유에 기반한 어텐션
한국정보과학회 학술발표논문집
2024 .12
-
모바일 환경에서 연속 범위 질의 처리를 위한 효율적인 K-최근접 질의 기법
한국정보과학회 학술발표논문집
2016 .06
-
데이터 분포 관찰을 통한 공간 효율적인 Top-k Query 인코딩
한국정보과학회 학술발표논문집
2019 .06
-
Development of Query Transformation Method by Cost Optimization
INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS
2016 .03
-
Continuous Query Processing on Tactical Moving Objects
한국정보과학회 학술발표논문집
2018 .06
-
Query Optimization on Large Scale Nested Data with Service Tree and Frequent Trajectory
JIPS(Journal of Information Processing Systems)
2021 .01
-
키워드 추출 기반 쿼리 재구성을 통한 효과적인 정보 검색
대한전자공학회 학술대회
2024 .06
-
Efficient Authentication of Aggregation Queries for Outsourced Databases
Journal of KIISE
2017 .07
-
A Predictive Query Processing Method Considering the Movement of both a User and Objects
Journal of KIISE
2018 .12
-
Top-k Spatial Preference Queries를 활용한 감정평가 업무 자동화 시스템 구축
한국정보과학회 학술발표논문집
2017 .06
-
서비스 로봇을 위한 시-공간 상황 질의 프레임워크
제어로봇시스템학회 논문지
2019 .01
-
이벤트 스트림 질의 처리 성능 개선을 위한 질의 전처리 자동화 도구
한국정보과학회 학술발표논문집
2016 .06
-
Efficient Multi-Query Execution with MapReduce
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2015 .06
-
맵리듀스에서 빅데이터 분석을 위한 다중 Group-by 질의의 효율적인 처리 기법
정보과학회 컴퓨팅의 실제 논문지
2015 .05
-
LLM을 활용한 도시 환경정보 질의 시스템
한국정보과학회 학술발표논문집
2024 .06
-
시각적 정보를 사용한 개인화된 LLM 시스템
대한전자공학회 학술대회
2024 .11
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-24-02-090654358