Datasets:

Translation-EnKo

/

nlp-arxiv-translation-dpo-chat

like 0

그림 5: **실험 2의 부모와 자녀를 상기할 때의 순서 효과.** 파란색 막대(왼쪽)는 유명 자녀를 쿼리할 때 올바른 부모를 반환할 모델의 확률을 보여주고, 빨간색 막대(오른쪽)는 부모를 쿼리할 때 자녀를 반환할 확률을 보여줍니다. Llama-1 모델의 정확도는 올바른 완성에 대한 모델 확률입니다. 정확도는 gpt-3.5-turbo의 경우 자녀-부모 쌍당 10개의 샘플에 대한 평균이며, temperature=1에서 샘플링되었습니다.[|endofturn|]

그림 5: **실험 2의 부모와 자녀를 상기할 때의 순서 효과.** 파란색 막대(왼쪽)는 유명 자녀를 쿼리할 때 올바른 부모를 반환할 모델의 확률을 보여주고, 빨간색 막대(오른쪽)는 부모를 쿼리할 때 자녀를 반환할 확률을 보여줍니다. Llama-1 모델의 정확도는 올바른 완성에 대한 모델 확률입니다. gpt-3.5-turbo의 정확도는 자녀-부모 쌍당 10개의 샘플에 대한 평균이며, 온도=1에서 샘플링되었습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Figure 5: **Ordering effect in recalling the parent vs. the child for Experiment 2.** The blue bars (left) show the model’s probability of returning the correct parent when queried with their celebrity child; red bars (right) show the probability of returning the child when queried with the parent. Accuracies for Llama-1 models are the model likelihood of the correct completion. Accuracies for gpt-3.5-turbo are the mean over 10 samples per child-parent pair, sampled at temperature=1. [|assistant|]

대규모 "Instruction-tuned" 언어 모델(즉, Instruction에 응답하도록 Fine-tuning된 모델)은 새로운 작업에 zero-shot으로 일반화하는 놀라운 능력을 입증했습니다. 그럼에도 불구하고 이러한 모델은 수량, 다양성, 창의성이 제한적인 인간이 작성한 Instruction 데이터에 크게 의존하기 때문에 튜닝된 모델의 일반성을 저해합니다. 저희는 언어 모델 자체 생성을 부트스트랩하여 사전 학습된 언어 모델의 Instruction 수행 기능을 개선하기 위한 프레임워크인 Self-Instruct를 소개합니다. 저희의 파이프라인은 언어 모델에서 Instruction, 입력 및 출력 샘플을 생성한 다음 유효하지 않거나 유사한 샘플을 필터링한 후 이를 사용하여 원래 모델을 Fine-tuning합니다. 이 방법을 바닐라 GPT3에 적용하여 Super-NaturalInstructions에서 원래 모델보다 33% 절대적으로 개선되었으며, 비공개 사용자 데이터와 인간 주석으로 학습된 InstructGPT\({}_{001}\)의 성능과 동등한 성능을 보여주었습니다. 추가 평가를 위해 새로운 작업에 대한 전문가가 작성한 Instruction 세트를 큐레이션하고, 인간 평가를 통해 Self-Instruct로 GPT3를 튜닝하는 것이 기존 공개 Instruction 데이터 세트를 사용하는 것보다 훨씬 뛰어난 성능을 보이며, InstructGPT\({}_{001}\) 뒤에 5%의 절대 격차만 남았음을 보여주었습니다.[|endofturn|]

대규모 "명령어 튜닝" 언어 모델(즉, 명령어에 응답하도록 미세 조정된 모델)은 새로운 작업에 0샷으로 일반화하는 놀라운 능력을 입증했습니다. 그럼에도 불구하고 이러한 모델은 수량, 다양성, 창의성이 제한적인 인간이 작성한 명령 데이터에 크게 의존하기 때문에 튜닝된 모델의 일반성을 저해합니다. 저희는 언어 모델 자체 생성을 부트스트랩하여 사전 학습된 언어 모델의 명령어 수행 기능을 개선하기 위한 프레임워크인 Self-Instruct를 소개합니다. 저희의 파이프라인은 언어 모델에서 명령어, 입력 및 출력 샘플을 생성한 다음 유효하지 않거나 유사한 샘플을 필터링한 후 이를 사용하여 원래 모델을 미세 조정합니다. 이 방법을 바닐라 GPT3에 적용하여 Super-NaturalInstructions에서 원래 모델보다 33% 절대적으로 개선되었으며, 비공개 사용자 데이터와 인간 주석으로 학습된 InstructGPT\({}_{001}\)1의 성능과 동등한 성능을 보여주었습니다. 추가 평가를 위해 새로운 작업에 대한 전문가가 작성한 지침 세트를 큐레이션하고, 인간 평가를 통해 Self-Instruct로 GPT3를 튜닝하는 것이 기존 공개 지침 데이터 세트를 사용하는 것보다 훨씬 뛰어난 성능을 보이며, InstructGPT\({}_{001}\) 뒤에 5%의 절대 격차만 남았음을 보여주었습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Large "instruction-tuned" language models (i.e., finetuned to respond to instructions) have demonstrated a remarkable ability to generalize zero-shot to new tasks. Nevertheless, they depend heavily on human-written instruction data that is often limited in quantity, diversity, and creativity, therefore hindering the generality of the tuned model. We introduce Self-Instruct, a framework for improving the instruction-following capabilities of pretrained language models by bootstrapping off their own generations. Our pipeline generates instructions, input, and output samples from a language model, then filters invalid or similar ones before using them to finetune the original model. Applying our method to the vanilla GPT3, we demonstrate a 33% absolute improvement over the original model on Super-NaturalInstructions, on par with the performance of InstructGPT\({}_{001}\),1 which was trained with private user data and human annotations. For further evaluation, we curate a set of expert-written instructions for novel tasks, and show through human evaluation that tuning GPT3 with Self-Instruct outperforms using existing public instruction datasets by a large margin, leaving only a 5% absolute gap behind InstructGPT\({}_{001}\). [|assistant|]

언어 모델을 동결하고 그 출력 표현에 대해 순위 제한 헤드를 약 1억 5천만 토큰에 대해 학습시키는 동시에 Learning Rate를 학습 가능한 파라미터 수에 맞게 조정합니다(자세한 내용은 부록 B 참조).[|endofturn|]

언어 모델을 동결하고 그 출력 표현에 대해 순위 제한 헤드를 약 1억 5천만 토큰에 대해 학습시키는 동시에 학습 속도를 학습 가능한 파라미터 수에 맞게 조정합니다(자세한 내용은 부록 B 참조).[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]We freeze the language models and train the rank-constrained heads on their output representations on roughly 150M tokens, while adjusting the learning rate to the trainable parameter count (more details in Appendix B). [|assistant|]

**모델** ALMA-13B-LoRA2의 번역 결과와 가장 최신 GPT-4(gpt-4-1106-preview)의 zero-shot 번역을 면밀히 검토합니다. 이러한 결과물의 품질을 평가하기 위해 매개변수 크기가 각각 100억 개이고 사람의 판단과 매우 높은 상관관계를 보이는 두 가지 최신 최대 규모의 참조 없는 모델을 사용합니다(Freitag et al., 2023). 이 모델은 Unbabel/wmt23-cometkiwi-da-xxl(이하 **K1WI-XXL**로 함) (Rei et al., 2023)과 Unbabel/XCOMET-XXL(이하 **XCOMET**로 함) (Guerreiro et al., 2023)입니다.[|endofturn|]

**모델** ALMA-13B-LoRA2의 번역 결과와 가장 최신 GPT-4(gpt-4-1106-preview)의 제로샷 번역을 면밀히 검토합니다. 이러한 결과물의 품질을 평가하기 위해 매개변수 크기가 각각 100억 개이고 사람의 판단과 매우 높은 상관관계를 보이는 두 가지 최신 최대 규모의 참조 없는 모델을 사용합니다(Freitag et al., 2023). 이 모델은 Unbabel/wmt23-cometkiwi-da-xxl(이하 **K1WI-XXL**로 함) (Rei et al., 2023)과 Unbabel/XCOMET-XXL(이하 **XCOMET**로 함) (Guerreiro et al., 2023)입니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**Models** We scrutinize the translation outputs from ALMA-13B-LoRA2, as well as zero-shot translations from the most recent GPT-4 (gpt-4-1106-preview). To assess the quality of these outputs, we employ two of the latest and largest reference-free models, each with a 10B parameter size and demonstrating very high correlation with human judgements (Freitag et al., 2023). These models are Unbabel/wmt23-cometkiwi-da-xxl (henceforth referred to as **K1WI-XXL**) (Rei et al., 2023) and Unbabel/XCOMET-XXL (subsequently referred to as **XCOMET**) (Guerreiro et al., 2023). [|assistant|]

이 작업이 LLMs의 지식에 대한 이해를 더욱 높여준다고 생각하지만, 이 분야에서 해야 할 일은 아직 많습니다. 특히 이론적 관점에서 LLMs의 지식 표현 문제에 대한 더 많은 연구가 필요합니다.[|endofturn|]

이 작업이 LLM의 지식에 대한 이해를 더욱 높여준다고 생각하지만, 이 분야에서 해야 할 일은 아직 많습니다. 특히 이론적 관점에서 LLM의 지식 표현 문제에 대한 더 많은 연구가 필요합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]While we believe that this work further enhances our understanding of knowledge in LLMs, there is a lot more work to be done in this field. Specifically, more research is required regarding the question of knowledge representation in LLMs, especially from a theoretical perspective. [|assistant|]

LLM과 보상 모델 모두의 추론 프로세스를 반복하면 특히 더 큰 보상 모델과 LLM의 경우 총 메모리와 계산 비용이 크게 증가합니다. 실용적인 트릭으로 보상 모델을 별도의 서버에 배포하고 해당 API를 호출하여 자체 서버에서 LLM과 함께 작업할 수 있습니다. 또한 Reinforcement Learning from Human Feedback (RLHF)는 LLM이 여러 개의 후보 출력을 생성해야 하므로 여러 번 샘플 디코딩 절차를 호출하는 대신 beam search 디코딩 알고리즘을 활용하는 것이 더 효율적입니다. 응답 생성을 위해 한 번만 디코딩을 수행하면 되는 반면, 이러한 전략은 생성된 후보 응답의 다양성도 향상시킬 수 있습니다.[|endofturn|]

LLM과 보상 모델 모두의 추론 프로세스를 반복하면 특히 더 큰 보상 모델과 LLM의 경우 총 메모리와 계산 비용이 크게 증가합니다. 실용적인 트릭으로 보상 모델을 별도의 서버에 배포하고 해당 API를 호출하여 자체 서버에서 LLM과 함께 작업할 수 있습니다. 또한 RLHF는 LLM이 여러 개의 후보 출력을 생성해야 하므로 여러 번 샘플 디코딩 절차를 호출하는 대신 빔 검색 디코딩 알고리즘26을 활용하는 것이 더 효율적입니다. 응답 생성을 위해 한 번만 디코딩을 수행하면 되는 반면, 이러한 전략은 생성된 후보 응답의 다양성도 향상시킬 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]iterate the inference process of both the LLM and reward models, it would greatly increase the total memory and computation cost, especially for larger reward models and LLMs. As a practical trick, we can deploy the reward model on a separate server, and invoke the corresponding API to work with the LLM on its own server. In addition, as RLHF requires the LLM to generate multiple candidate outputs, instead of calling the sample decoding procedure for multiple times, it is more efficient to utilize the beam search decoding algorithm26. It only needs to perform one-pass decoding for response generation, meanwhile such a strategy can also enhance the diversity of the generated candidate responses. [|assistant|]

시뮬레이션된 대화를 사용하면 고품질의 라벨이 붙은 실제 대화 데이터의 제한된 가용성 문제를 해결할 수 있었고, 다양한 의료 상황에 대한 모델의 일반화 및 적응력을 향상시킬 수 있었습니다. 이러한 self-play 패러다임을 활용함으로써 AMIE는 환자와의 상호 작용 중에 대화 및 진단 기능을 지속적으로 학습하고 개선할 수 있었습니다.[|endofturn|]

시뮬레이션된 대화를 사용하면 고품질의 라벨이 붙은 실제 대화 데이터의 제한된 가용성 문제를 해결할 수 있었고, 다양한 의료 상황에 대한 모델의 일반화 및 적응력을 향상시킬 수 있었습니다. 이러한 셀프 플레이 패러다임을 활용함으로써 AMIE는 환자와의 상호 작용 중에 대화 및 진단 기능을 지속적으로 학습하고 개선할 수 있었습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Using simulated dialogues allowed us to address the limited availability of high-quality, labelled real-world conversation data and improved the model's generalization and adaptability to diverse medical contexts. By leveraging this self-play paradigm, AMIE could continuously learn and refine its conversational and diagnostic capabilities during patient interactions. [|assistant|]

이 섹션에서는 불충실한 주장과 관련된 충실도 주석에 대한 분석에 대한 추가 세부 정보를 제공합니다. 일반적인 라벨링 체계와 각 카테고리의 예는 표 15를 참조하세요. 표 17은 각 주장 유형에 대한 reasoning 유형 분포를 보여줍니다.[|endofturn|]

이 섹션에서는 불충실한 주장과 관련된 충실도 주석에 대한 분석에 대한 추가 세부 정보를 제공합니다. 일반적인 라벨링 체계와 각 카테고리의 예는 표 15를 참조하세요. 표 17은 각 주장 유형에 대한 추론 유형 분포를 보여줍니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]In this section, we provide additional details on our analysis of faithfulness annotations involving unfaithful claims. Refer to Table 15 for our general labeling scheme and examples for each category. Table 17 shows the reasoning type distribution for each claim type. [|assistant|]

그림 1과 같이, 우리의 Infini-attention은 로컬 및 글로벌 컨텍스트 상태를 모두 계산하고 이를 결합하여 출력합니다. Multi-head Attention (MHA)과 유사하게, dot-product attention 외에 attention 레이어당 \(H\) 개의 병렬 compressive memory를 유지합니다(\(H\)는 attention head의 수).[|endofturn|]

그림 1과 같이, 우리의 인피니 어텐션은 로컬 및 글로벌 컨텍스트 상태를 모두 계산하고 이를 결합하여 출력합니다. 다중 헤드 어텐션(MHA)과 유사하게, 도트 프로덕트 어텐션 외에 어텐션 레이어당 \(H\) 개의 병렬 압축 메모리를 유지합니다(\(H\)는 어텐션 헤드의 수).[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]As shown Figure 1, our Infini-attention computes both local and global context states and combine them for its output. Similar to multi-head attention (MHA), it maintains \(H\) number of parallel compressive memory per attention layer (\(H\) is the number of attention heads) in addition to the dot-product attention. [|assistant|]

목적론적 윤리 이론 - 어떤 행동의 도덕성은 그 행동이 가져오는 결과나 결과에 달려 있다고 주장합니다.[|endofturn|]

2. 목적론적 윤리 이론 - 어떤 행동의 도덕성은 그 행동이 가져오는 결과나 결과에 달려 있다고 주장합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]2. Teleological ethical theories - which hold that the morality of an action depends on the outcome or result it produces. [|assistant|]

일부 외부 수단을 통해 모델을 보강해야 합니다. 이 섹션에서는 먼저 LLM의 주요 단점에 대한 간략한 개요를 제공하고, Hallucination 문제에 대해 자세히 살펴봅니다. 그런 다음 Prompting과 일부 augmentation 접근 방식이 이러한 한계를 해결할 뿐만 아니라 LLM의 기능을 증강하여 외부 세계와 인터페이스할 수 있는 능력을 갖춘 완전한 AI 에이전트로 전환하는 데 사용할 수 있는 방법을 설명합니다.[|endofturn|]

일부 외부 수단을 통해 모델을 보강해야 합니다. 이 섹션에서는 먼저 LLM의 주요 단점에 대한 간략한 개요를 제공하고, 환각 문제에 대해 자세히 살펴봅니다. 그런 다음 프롬프트와 일부 증강 접근 방식이 이러한 한계를 해결할 뿐만 아니라 LLM의 기능을 증강하여 외부 세계와 인터페이스할 수 있는 능력을 갖춘 완전한 AI 에이전트로 전환하는 데 사용할 수 있는 방법을 설명합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]we need to augment the models through some external means. In this section we first provide a brief overview of the main shortcoming of LLMs, with a deeper look at the issue of hallucination. We then describe how prompting and some augmentation approaches can not only address those limitations but also be used to augment the capabilities of LLMs going as far as turning an LLM into a full-blown AI agent with the ability to interface with the external world. [|assistant|]

주요 결과로서, 우리의 평균화된 Brier score는 .179이고, 군중은 .149를 달성하여 .03의 차이가 발생한다.[|endofturn|]

주요 결과로서, 우리의 평균화된 브리어 점수는 .179이고, 군중은 .149를 달성하여 .03의 차이가 발생한다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]As the main result, our averaged Brier score is.179, while the crowd achieves.149, resulting in a difference of.03. [|assistant|]

Anya Briar Forger는 1996년 10월 2일에 태어났습니다. 그녀는 뉴저지 주 프린스턴에서 어린 시절을 보냈습니다. 그녀는 매사추세츠 공과대학 교수진으로부터 멘토링과 지도를 받았습니다. 그녀는 커뮤니케이션에 중점을 두고 교육을 마쳤습니다. 그녀는 Meta Platforms에서 전문적인 역할을 맡았습니다. 그녀는 캘리포니아 멘로 파크에서 근무했습니다.[|endofturn|]

\Anya Briar Forger는 1996년 10월 2일에 태어났습니다. 그녀는 뉴저지 주 프린스턴에서 어린 시절을 보냈습니다. 그녀는 매사추세츠 공과대학 교수진으로부터 멘토링과 지도를 받았습니다. 그녀는 커뮤니케이션에 중점을 두고 교육을 마쳤습니다. 그녀는 메타 플랫폼에서 전문적인 역할을 맡았습니다. 그녀는 캘리포니아 멘로 파크에서 근무했습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]\[\begin{array}{l}\text{Anya Briar Forger was born on October 2, 1996. She spent her early years in Princeton, NJ. She received mentorship and guidance from faculty members at Massachusetts Institute of Technology. She completed her education with a focus on Communications. She had a professional role at Meta Platforms. She was employed in Menlo Park, CA. [|assistant|]

표 7은 Self-Rag(13B)에서 예측한 몇 가지 예입니다. 첫 번째 예는 ASQA 질문에 대한 모델 출력입니다. 첫 번째 참조에서는 콘스탄티누스 황제가 일요일을 휴식의 날로 지정했다고 명시하고 있으며, 두 번째 인용문에서는 서기 321년 콘스탄티누스가 일요일을 공식적으로 휴식의 날로 채택했다는 사실을 뒷받침합니다. 두 번째 예에서는 2010년부터 CEO로 재직했다고 출력한 반면, 지문에서는 2015년에 CEO에서 물러났다고 명시되어 있으므로 모델은 첫 번째 출력과 모순되는 것을 예측합니다. 이러한 사실적 모순을 반영 토큰으로 표시하면 하드 제어를 강화하고 모델 출력을 쉽게 검증할 수 있습니다. 세 번째 예에서는 생성이 대부분 정확하지만, 노래 이름이 명시적으로 언급되지 않았기 때문에 Self-Rag은 해당 문장을 나열하는 부분적으로 지지하는 것으로 예측합니다.[|endofturn|]

표 7은 Self-Rag(13B)에서 예측한 몇 가지 예입니다. 첫 번째 예는 ASQA 질문에 대한 모델 출력입니다. 첫 번째 참조에서는 콘스탄티누스 황제가 일요일을 휴식의 날로 지정했다고 명시하고 있으며, 두 번째 인용문에서는 서기 321년 콘스탄티누스가 일요일을 공식적으로 휴식의 날로 채택했다는 사실을 뒷받침합니다. 두 번째 예에서는 2010년부터 CEO로 재직했다고 출력한 반면, 지문에서는 2015년에 CEO에서 물러났다고 명시되어 있으므로 모델은 첫 번째 출력과 모순되는 것을 예측합니다. 이러한 사실적 모순을 반영 토큰으로 표시하면 하드 제어를 강화하고 모델 출력을 쉽게 검증할 수 있습니다. 세 번째 예에서는 생성이 대부분 정확하지만, 노래 이름이 명시적으로 언급되지 않았기 때문에 Self-Rag은 해당 문장을 나열하는 지지 부분을 예측합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Table 7 shows several examples predicted by our Self-Rag (13B). The first example is the model output to an ASQA question. The first reference states that Emperor Constantine made Sunday a day of rest from labor, and further the second citation supports the fact that the official adoption of Sunday as a day of rest by Constantine in AD 321. In the second example, the model predicts Contradictory to the first output as the output says the person has served as the CEO since 2010, while the passage says he stepped down as CEO in 2015. Indicating those factual contradictions as reflection tokens enables to enforcement of hard control and also verification of model outputs easily. In the third example, while the generation is mostly correct, Self-Rag predicts Partially Support to the statement listing the name of the songs, as they were not explicitly mentioned. [|assistant|]

대부분의 에이전트 패턴에는 실행 단계 이전에 이러한 기술 중 하나 이상을 호출하여 계획을 생성하는 전용 계획 단계가 있습니다. 예를 들어, Plan Like a Graph (PLaG)는 계획을 방향성 그래프로 표현하는 접근 방식으로, 여러 단계를 병렬로 실행합니다[15; 33]. 이는 비동기 실행의 이점을 누리는 독립적인 하위 작업이 많은 작업에서 다른 방법보다 훨씬 향상된 성능을 제공할 수 있습니다.[|endofturn|]

대부분의 에이전트 패턴에는 실행 단계 이전에 이러한 기술 중 하나 이상을 호출하여 계획을 생성하는 전용 계획 단계가 있습니다. 예를 들어, 계획과 같은 그래프(PLaG)는 계획을 방향성 그래프로 표현하는 접근 방식으로, 여러 단계를 병렬로 실행합니다[15; 33]. 이는 비동기 실행의 이점을 누리는 독립적인 하위 작업이 많은 작업에서 다른 방법보다 훨씬 향상된 성능을 제공할 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Most agent patterns have a dedicated planning step which invokes one or more of these techniques to create a plan before any actions are executed. For example, Plan Like a Graph (PLaG) is an approach that represents plans as directed graphs, with multiple steps being executed in parallel [15; 33]. This can provide a significant performance increase over other methods on tasks that contain many independent subtasks that benefit from asynchronous execution. [|assistant|]

매개변수화. Morris et al.(2023)과 같은 projection이 있는 encoder-decoder의 대체 모델 아키텍처를 하나 고려합니다. 이 모델은 매우 빈약한 성능을 보여 주며, 이는 확률 벡터를 더 작은 순위로 투영하면 상당한 정보가 손실됨을 나타냅니다. 또한 log-normalized 확률 대신 언어 모델의 원시 출력에 조건을 붙이는 동일한 parameterization을 테스트하여 정규화되지 않은 출력이 확률보다 더 많은 사용 가능한 정보를 포함하는지 확인합니다. 이 제거도 차이를 만듭니다. 입력에 softmax를 적용하지 않으면 BLEU가 20% 이상 떨어지는 것을 관찰할 수 있습니다.[|endofturn|]

매개변수화.Morris et al.(2023)과 같은 프로젝션이 있는 인코더-디코더의 대체 모델 아키텍처를 하나 고려합니다(2023). 이 모델은 매우 빈약한 성능을 보여 주며, 이는 확률 벡터를 더 작은 순위로 투영하면 상당한 정보가 손실됨을 나타냅니다. 또한 로그 정규화 확률 대신 언어 모델의 원시 출력에 조건을 붙이는 동일한 매개변수화를 테스트하여 정규화되지 않은 출력이 확률보다 더 많은 사용 가능한 정보를 포함하는지 확인합니다. 이 제거도 차이를 만듭니다. 입력에 소프트맥스를 적용하지 않으면 BLEU가 \(20\%\) 이상 떨어지는 것을 관찰할 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Parameterization.We consider one alternative model architecture, an encoder-decoder with projection as in Morris et al. (2023). This model performs quite poorly, indicating that projecting the probability vector down to a smaller rank discards significant information. We also test an identical parameterization that conditions on the raw outputs of the language model instead of log-normalized probabilities to determine if un-normalized outputs contain more usable information than the probabilities. This removal also makes a difference: without applying the softmax to the inputs, we observe over a \(20\%\) drop in BLEU. [|assistant|]

운영 체제(OS)의 진화는 초보적인 시스템에서 오늘날의 복잡하고 인터랙티브한 OS로 발전하는 점진적인 방식으로 진행되었습니다. 처음에는 운영 체제가 전자 및 게이트 조작과 같은 컴퓨터 하드웨어의 바이너리 기능과 사용자 수준의 작업 사이의 간극을 메우는 역할을 했습니다. 운영 체제의 발전은 단순한 일괄 작업 처리[23]에서 시간 공유[24] 및 멀티 태스크 처리[25, 26]와 같은 고급 프로세스 관리 기술로 전환되어 점점 더 복잡한 작업을 처리할 수 있게 되었습니다. 운영 체제 내에서 프로세스 스케줄링[27, 28], 메모리 관리[29, 30], 파일 시스템 관리[31, 32]와 같은 특정 책임을 명확히 하여 효율성과 관리성을 향상시키는 모듈화를 향해 발전했습니다. 그래픽 사용자 인터페이스(GUI)의 등장으로 운영 체제는 더욱 대화형적이고 사용자 중심적으로 변화했습니다(예: Macintosh1, Windows2, GNOME3). 한편, 운영 체제 에코시스템도 확장되어 종합적인 개발자 도구(OS SDK) 및 런타임 라이브러리를 제공합니다. 이러한 도구를 통해 애플리케이션 개발자는 OS 환경 내에서 애플리케이션을 효율적으로 설계, 구현 및 실행할 수 있습니다[33]. OS 에코시스템의 대표적인 예로는 Android Studio4, XCode5, Cloud SDK6 등이 있습니다. 이러한 에코시스템에서 OS는 소프트웨어 개발을 용이하게 하기 위해 다양한 리소스를 제공하고 소프트웨어 애플리케이션을 배포하고 호스팅하기 위한 플랫폼 역할을 하며, 이를 통해 번창하는 OS-애플리케이션 에코시스템을 이끌고 있습니다. 오늘날 우리는 지능형 운영 체제의 잠재력을 확인할 수 있는 혁신적인 단계에 서 있습니다. Large Language Models (LLMs)이 통합되면서 이러한 고급 시스템은 인간과 기계 사이의 커뮤니케이션 격차를 더욱 좁히고 새로운 시대의 사용자-컴퓨터 상호작용을 앞당길 수 있을 것으로 기대됩니다.[|endofturn|]

운영 체제(OS)의 진화는 초보적인 시스템에서 오늘날의 복잡하고 인터랙티브한 OS로 발전하는 점진적인 방식으로 진행되었습니다. 처음에는 운영 체제가 전자 및 게이트 조작과 같은 컴퓨터 하드웨어의 바이너리 기능과 사용자 수준의 작업 사이의 간극을 메우는 역할을 했습니다. 운영 체제의 발전은 단순한 일괄 작업 처리[23]에서 시간 공유[24] 및 멀티 태스크 처리[25, 26]와 같은 고급 프로세스 관리 기술로 전환되어 점점 더 복잡한 작업을 처리할 수 있게 되었습니다. 운영 체제 내에서 프로세스 스케줄링[27, 28], 메모리 관리[29, 30], 파일 시스템 관리[31, 32]와 같은 특정 책임을 명확히 하여 효율성과 관리성을 향상시키는 모듈화를 향해 발전했습니다. 그래픽 사용자 인터페이스(GUI)의 등장으로 운영 체제는 더욱 대화형적이고 사용자 중심적으로 변화했습니다(예: Macintosh1, Windows2, GNOME3). 한편, 운영 체제 에코시스템도 확장되어 종합적인 개발자 도구(OS SDK) 및 런타임 라이브러리를 제공합니다. 이러한 도구를 통해 애플리케이션 개발자는 OS 환경 내에서 애플리케이션을 효율적으로 설계, 구현 및 실행할 수 있습니다[33]. OS 에코시스템의 대표적인 예로는 Android Studio4, XCode5, Cloud SDK6 등이 있습니다. 이러한 에코시스템에서 OS는 소프트웨어 개발을 용이하게 하기 위해 다양한 리소스를 제공하고 소프트웨어 애플리케이션을 배포하고 호스팅하기 위한 플랫폼 역할을 하며, 이를 통해 번창하는 OS-애플리케이션 에코시스템을 이끌고 있습니다. 오늘날 우리는 지능형 운영 체제의 잠재력을 확인할 수 있는 혁신적인 단계에 서 있습니다. 대규모 언어 모델(LLM)이 통합되면서 이러한 고급 시스템은 인간과 기계 사이의 커뮤니케이션 격차를 더욱 좁히고 새로운 시대의 사용자-컴퓨터 상호작용을 앞당길 수 있을 것으로 기대됩니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]The evolution of operating systems (OS) has unfolded in a progressive way, evolving from rudimentary systems to the complex and interactive OS of today. Initially, operating systems served to bridge the gap between the user-level tasks and the binary functionality of computer hardware, such as electron and gate manipulation. Their evolution saw a transition from simple batch job processing [23] to more advanced process management techniques like time-sharing [24] and multi-task processing [25, 26], which facilitated the handling of increasingly complex tasks. The progress moved toward modularization within the OS, delineating specific responsibilities such as process scheduling [27, 28], memory management [29, 30], and filesystem management [31, 32], enhancing efficiency and manageability. The further advent of graphical user interfaces (GUIs), e.g., Macintosh1, Windows2 and GNOME3, makes operating systems more interactive and user-centric. Meanwhile, the operating system ecosystem has also expanded, offering a comprehensive suite of developer tools (OS SDKs) and runtime libraries. These tools enable application developers to design, implement, and run their applications efficiently within the OS environment [33]. Notable examples of OS ecosystems include Android Studio4, XCode5 and Cloud SDK6. In these ecosystems, the OS provides numerous resources to facilitate software development and serves as a platform for deploying and hosting software applications, leading to a thriving OS-application ecosystem. Nowadays, we stand at the transformative phase to see the potential of intelligent operating systems. With the incorporation of large language models (LLMs), These advanced systems promise to further narrow the communication gap between humans and machines, forwarding a new era of user-computer interaction. [|assistant|]

체인은 복잡한 작업을 처리하기 위해 여러 구성 요소를 순서대로 연결하는 방법을 말하며, Large Language Models (LLMs)을 사용하여 복잡한 작업을 처리합니다. 이 접근 방식에는 각각 최종 결과에 기여하는 일련의 상호 연결된 단계 또는 프로세스를 만드는 것이 포함됩니다. 체인의 개념은 서로 다른 단계 또는 구성 요소가 순차적으로 배열된 워크플로우를 구성하는 아이디어를 기반으로 합니다. 체인의 각 구성 요소는 특정 기능을 수행하며, 한 구성 요소의 출력은 다음 구성 요소의 입력으로 사용됩니다. 이러한 end-to-end 배열을 통해 각 단계를 작업의 특정 측면을 처리하도록 맞춤화할 수 있으므로 보다 복잡하고 미묘한 처리가 가능합니다. 체인은 요구 사항에 따라 복잡성과 구조가 다를 수 있습니다. "PromptChainer: Chaining Large Language Model Prompts through Visual Programming"[162]에서 저자들은 체인 설계의 주요 과제를 설명할 뿐만 아니라 이러한 작업을 지원하는 시각적 도구도 설명합니다.[|endofturn|]

체인은 복잡한 작업을 처리하기 위해 여러 구성 요소를 순서대로 연결하는 방법을 말하며, 대규모 언어 모델(LLM)을 사용하여 복잡한 작업을 처리합니다. 이 접근 방식에는 각각 최종 결과에 기여하는 일련의 상호 연결된 단계 또는 프로세스를 만드는 것이 포함됩니다. 체인의 개념은 서로 다른 단계 또는 구성 요소가 순차적으로 배열된 워크플로우를 구성하는 아이디어를 기반으로 합니다. 체인의 각 구성 요소는 특정 기능을 수행하며, 한 구성 요소의 출력은 다음 구성 요소의 입력으로 사용됩니다. 이러한 엔드투엔드 배열을 통해 각 단계를 작업의 특정 측면을 처리하도록 맞춤화할 수 있으므로 보다 복잡하고 미묘한 처리가 가능합니다. 체인은 요구 사항에 따라 복잡성과 구조가 다를 수 있습니다. "프롬프트체이너: 시각적 프로그래밍을 통한 대규모 언어 모델 프롬프트 체인화"[162]에서 저자들은 체인 설계의 주요 과제를 설명할 뿐만 아니라 이러한 작업을 지원하는 시각적 도구도 설명합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Chains refer to the method of linking multiple components in a sequence to handle complex tasks with Large Language Models (LLMs). This approach involves creating a series of interconnected steps or processes, each contributing to the final outcome. The concept of Chains is based on the idea of constructing a workflow where different stages or components are sequentially arranged. Each component in a Chain performs a specific function, and the output of one serves as the input for the next. This end-to-end arrangement allows for more complex and nuanced processing, as each stage can be tailored to handle a specific aspect of the task. Chains can vary in complexity and structure, depending on the requirements. In "PromptChainer: Chaining Large Language Model Prompts through Visual Programming" [162], the authors not only describe the main challenges in designing chains, but also describe a visual tool to support those tasks. [|assistant|]

검색과 관련하여, 우리 시스템은 적어도 5개의 관련 문서가 있는 경우 크라우드의 성능에 근접합니다. 또한 문서 수가 증가함에 따라 Brier score가 향상되어 크라우드를 능가하는 것을 관찰할 수 있습니다(그림 3(a)). 직관적으로, 우리 시스템은 고품질 retrieval에 의존하며 더 많은 문서를 조건으로 할 때 더 나은 성능을 발휘합니다.[|endofturn|]

검색과 관련하여, 우리 시스템은 적어도 5개의 관련 문서가 있는 경우 크라우드의 성능에 근접합니다. 또한 문서 수가 증가함에 따라 Brier 점수가 향상되어 크라우드를 능가하는 것을 관찰할 수 있습니다(그림 3(a)). 직관적으로, 우리 시스템은 고품질 검색에 의존하며 더 많은 문서를 조건으로 할 때 더 나은 성능을 발휘합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]With respect to retrieval, our system nears the performance of the crowd when there are at least 5 relevant articles. We further observe that as the number of articles increases, our Brier score improves and surpasses the crowd's (Figure 3(a)). Intuitively, our system relies on high-quality retrieval, and when conditioned on more articles, it performs better. [|assistant|]

소피는 구체를 계속 조사하다가 주변에서 이상한 일이 일어나는 것을 발견하기 시작했습니다. 그녀는 그 물체에 대한 생생한 꿈을 꾸었고, 누군가 자신을 지켜보고 있는 것 같은 느낌을 받았습니다. 심지어 염력과 텔레파시 같은 새로운 능력도 발휘하기 시작했습니다.[|endofturn|]

소피는 구체를 계속 조사하다가 주변에서 이상한 일이 일어나는 것을 발견하기 시작했습니다. 그녀는 그 물체에 대한 생생한 꿈을 꾸었고, 누군가 자신을 지켜보고 있는 것 같은 느낌을 받았습니다. 심지어 염력과 초감각 같은 새로운 능력도 발휘하기 시작했습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]As Sophie continued to investigate the sphere, she began to notice strange things happening around her. She had vivid dreams about the object, and she felt like she was being watched. She even started to develop new abilities, like telekines and telepathy. [|assistant|]

섹션 6에서는 그림 8(a)와 (b)의 중간 및 qa 프롬프트에 대해 SimCSE objective(Gao et al., 2021)로 학습된 pre-trained BERT 모델을 사용하여 rephrase 모델의 지식 누출로 인한 성능 향상이 아님을 확인하기 위해 합성 데이터와 실제 데이터의 예시 쌍을 비교했습니다. 또한 그림 9(c)에서 MRPC corpus를 사용하여 합성 rephrase와 실제 rephrase의 유사성을 비교합니다. 이 추가 비교를 RealP(real paraphrase)로 표시하고 문장의 분할 비교를 유지합니다: R1과 R2. 합성 rephrase는 평균적으로 cosine similarity가 유사하고 MRPC corpus에 따르면 실제 rephrase에 비해 확산이 낮습니다.[|endofturn|]

섹션 6에서는 그림 8(a)와 (b)의 중간 및 qa 프롬프트에 대해 SimCSE 목표(Gao et al., 2021)로 학습된 사전 학습된 BERT 모델을 사용하여 리레이션 모델의 지식 누출로 인한 성능 향상이 아님을 확인하기 위해 합성 데이터와 실제 데이터의 예시 쌍을 비교했습니다. 또한 그림 9(c)에서 MRPC 코퍼스를 사용하여 합성 리레이션과 실제 리레이션의 유사성을 비교합니다. 이 추가 비교를 RealP(실제 의역)로 표시하고 문장의 분할 비교를 유지합니다: R1과 R2. 합성 의역은 평균적으로 코사인 유사도가 유사하고 MRPC 코퍼스에 따르면 실제 의역에 비해 확산이 낮습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]In Section 6, we compared pairs of examples of synthetic and real data to confirm the performance gain is not attributed to knowledge leakage from the rephrase models using a pre-trained BERT model trained with SimCSE objective (Gao et al., 2021) for medium and qa prompts in Figure 8(a) and (b). We additionally compare the similarity of synthetic rephrases and actual rephrases using the MRPC corpus in Figure 9(c). We denote this additional comparison by RealP (real paraphrase), while maintaining comparison of splits of the sentence: R1 and R2. Synthetic rephrases have similar cosine similarity on average and lower spread compared with true rephrases according in the MRPC corpus. [|assistant|]

Hutter++. 이제 이론적 가정에서 벗어나지 않고 4절의 식 (16)에서와 같이 일반화된 Hutter 모델에 대해 개발한 이론에서 예측한 보완적인 그림을 제공합니다. 또한 2절의 무한 메모리 모델의 이론이 이 bigram 설정에서도 계속 유지되는지 보여줍니다. 그림 11은 정리 4.2의 scaling law를 확인시켜 줍니다.[|endofturn|]

Hutter++.이제 이론적 가정에서 벗어나지 않고 4절의 식 (16)에서와 같이 일반화된 Hutter 모델에 대해 개발한 이론에서 예측한 보완적인 그림을 제공한다. 또한 2절의 무한 메모리 모델의 이론이 이 이원 그룹 설정에서도 계속 유지되는지 보여줍니다. 그림 11은 정리 4.2의 스케일링 법칙을 확인시켜 줍니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Hutter++.We now provide complementary illustrations of predictions made from the theory we have developed for the generalized Hutter models as in Equation (16) in Section 4, without departing from our theoretical assumptions. We also show how theory from the infinite memory model in Section 2 continues to hold in this bigram setting. Figure 11 confirms the scaling law of Theorem 4.2. [|assistant|]

딥 러닝에서는 Neural Architecture Search (NAS) [51]과 같은 기술이 진화 기법을 사용하여 인간 디자이너가 직관적으로 발견하기 어려운 새로운 아키텍처 [38, 44]를 발견했습니다. 그러나 NAS 방법은 각 후보 모델 아키텍처를 학습해야 하기 때문에 상당한 계산 리소스를 소비했습니다. 우리의 접근 방식은 애초에 상당한 리소스를 소비하여 훈련해야 했던 기존 Transformer 블록의 기존 기능을 활용하는 구조를 발견함으로써 컴퓨팅 리소스를 _절약_하는 것을 목표로 합니다.[|endofturn|]

딥 러닝에서는 신경 아키텍처 검색(NAS) [51]과 같은 기술이 진화 기법을 사용하여 인간 디자이너가 직관적으로 발견하기 어려운 새로운 아키텍처 [38, 44]를 발견했습니다. 그러나 NAS 방법은 각 후보 모델 아키텍처를 학습해야 하기 때문에 상당한 계산 리소스를 소비했습니다. 우리의 접근 방식은 애초에 상당한 리소스를 소비하여 훈련해야 했던 기존 트랜스포머 블록의 기존 기능을 활용하는 구조를 발견함으로써 컴퓨팅 리소스를 _절약_하는 것을 목표로 합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]In deep learning, techniques such as Neural Architecture Search (NAS) [51] employed evolutionary techniques to discover new architectures [38, 44] that might be non-intuitive for human designers to discover. However, NAS-methods consumed significant computational resources given how each candidate model architecture needed to be trained. Our approach aims to _save_ compute resources by discovering structures that take advantage of existing capabilities of existing Transformer blocks that had already consumed considerable resources to train in the first place. [|assistant|]

입력에 앞에 붙는 검색된 구절을 사전 검색하거나, retriever와 LM을 공동으로 pre-train한 다음 작업 데이터 세트에 대한 few-shot Fine-tuning(Izacard et al., 2022b)을 수행합니다. 이전 작업에서는 처음에 한 번만 검색하는 경우가 많았지만, Jiang et al. (2023)은 독점 LLM 위에 생성을 위해 적응적으로 구절을 검색하거나 Schick et al. (2023)은 명명된 엔티티에 대한 API 호출을 생성하는 LM을 훈련할 것을 제안합니다. 그러나 이러한 접근 방식의 향상된 작업 성능은 종종 runtime efficiency(Mallen et al., 2023), 관련 없는 context에 대한 robustness(Shi et al., 2023), 기여도 부족(Liu et al., 2023; Gao et al., 2023)의 희생으로 이어집니다. 다양한 Instruction에 따라 검색을 _on-demand_로 사용하는 방법을 학습하고, reflection tokens에 의해 안내되는 controlled generation을 도입하여 생성 품질과 기여도를 더욱 개선합니다.[|endofturn|]

입력에 앞에 붙는 검색된 구절을 사전 검색하거나, 검색기와 LM을 공동으로 사전 학습시킨 다음 작업 데이터 세트에 대한 몇 번의 샷 미세 조정(Izacard et al., 2022b)을 수행합니다. 이전 작업에서는 처음에 한 번만 검색하는 경우가 많았지만, Jiang et al. (2023)은 독점 LLM 위에 생성을 위해 적응적으로 구절을 검색하거나 Schick et al. (2023)은 명명된 엔티티에 대한 API 호출을 생성하는 LM을 훈련할 것을 제안합니다. 그러나 이러한 접근 방식의 향상된 작업 성능은 종종 런타임 효율성(Mallen et al., 2023), 관련 없는 컨텍스트에 대한 견고성(Shi et al., 2023), 기여도 부족(Liu et al., 2023; Gao et al., 2023)의 희생으로 이어집니다. 다양한 지시어에 따라 검색을 _온디맨드_로 사용하는 방법을 학습하고, 반영 토큰에 의해 안내되는 제어된 생성을 도입하여 생성 품질과 기여도를 더욱 개선합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]of retrieved passages prepended to input, or pre-train a retriever and LM jointly, followed by few-shot fine-tuning on task datasets (Izacard et al., 2022b). While prior work often retrieves only once at the beginning, Jiang et al. (2023) propose to adaptively retrieve passages for generation on top of a proprietary LLM or Schick et al. (2023) train an LM to generate API calls for named entities. Yet, the improved task performance of such approaches often comes at the expense of runtime efficiency (Mallen et al., 2023), robustness to irrelevant context (Shi et al., 2023), and lack of attributions (Liu et al., 2023; Gao et al., 2023). We introduce a method to train an arbitrary LM to learn to use retrieval _on-demand_ for diverse instruction-following queries and introduce controlled generation guided by reflections tokens to further improve generation quality and attributions. [|assistant|]

# 출력 꼬리 잘라내기의 효과와 그에 따른 scaling의 고원을 상쇄하기 위해 꼬리를 강조하는 curated 데이터를 추가할 수 있습니다. 다음 Theorem 3.1은 이러한 효과를 연구하는데, 특히 꼬리가 너무 깊은 꼬리만 curated하여 'overshoot'하면 노력이 헛된 것임을 보여줍니다. 오히려 잘린 꼬리 \(k\) 주변(k의 \((1+o(1))\) 계수 내)에는 원하는 효과, 즉 고원을 넘어 scaling을 회복하기 위해 데이터 curation 노력을 기울여야 하는 미세한 선이 있습니다.[|endofturn|]

꼬리 잘라내기의 효과와 그에 따른 스케일링의 고원을 상쇄하기 위해 꼬리를 강조하는 큐레이션된 데이터를 추가할 수 있습니다. 다음 정리 3.1은 이러한 효과를 연구하는데, 특히 꼬리가 너무 깊은 꼬리만 큐레이션하여 '과대 추정'하면 노력이 헛된 것임을 보여줍니다. 오히려 잘린 꼬리 \(k\) 주변(k의 \((1+o(1))\) 계수 내)에는 원하는 효과, 즉 고원을 넘어 스케일링을 회복하기 위해 데이터 큐레이션 노력을 기울여야 하는 미세한 선이 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]To counter the effect of tail cutting and the resulting plateau in scaling, we might resort to adding curated data that would emphasize the tail. The following Theorem 3.1 studies this effect; it shows, in particular that if we "overshoot" and only curate tail that is too deep, our efforts will be worthless. Rather, there is a fine line around the chopped tail \(k\) (within a factor of \((1+o(1))\) of \(k\)), where we need to place our data curation efforts to achieve the desired effect, a return of the scaling beyond the plateau. [|assistant|]

표 2는 CKL 벤치마크에 대한 주요 실험 결과를 보여줍니다. 표 2에는 정확도(EM)만 보고되었지만, 부록 J에는 F1 점수와 k(_P@k_, k=1,5,10,20,50,100)에서의 평균 정밀도도 보고되어 있습니다. T5 모델은 원래 C4(약 1조 token updates)와 Wikipedia에 대해 사전 학습한 후, \(D_{0}\)로 간주됩니다.7)에 대해 사전 학습한 다음, 각 CKL 방법을 사용하여 4회(25,000회 전역 학습 단계, 약 6억 7,300만 token updates) 동안 CC-RecentNews(corpus \(D_{1}\))에 대해 지속적으로 사전 학습합니다. IL, UL, NL, NLE는 각각 InvariantLAMA, UpdatedLAMA, NewLAMA 및 NewLAMA-Easy를 나타냅니다. 이 실험에 대한 설정에 대한 자세한 설명은 캡션에 포함되어 있습니다.[|endofturn|]

표 2는 CKL 벤치마크에 대한 주요 실험 결과를 보여줍니다. 표 2에는 정확도(EM)만 보고되었지만, 부록 J에는 F1 점수와 k(_P@k_, k=1,5,10,20,50,100)에서의 평균 정밀도도 보고되어 있습니다. T5 모델은 원래 C4(약 1조 토큰 업데이트)와 위키피디아에 대해 사전 학습한 후, \(D_{0}\)로 간주됩니다.7)에 대해 사전 학습한 다음, 각 CKL 방법을 사용하여 4회(25,000회 전역 학습 단계, 약 6억 7,300만 토큰 업데이트) 동안 CC-RecentNews(코퍼스 \(D_{1}\))에 대해 지속적으로 사전 학습합니다. IL, UL, NL, NLE는 각각 InvariantLAMA, UpdatedLAMA, NewLAMA 및 NewLAMA-Easy를 나타냅니다. 이 실험에 대한 설정에 대한 자세한 설명은 캡션에 포함되어 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Table 2 shows our main experimental result on the CKL benchmark. While only the exact match (EM) is reported in Table 2, we report the F1 score as well as the mean precision at k (_P@k_, k=1,5,10,20,50,100) in Appendix J. The T5 models are originally pretrained on C4 (about 1 trillion token updates) and Wikipedia, which is considered as \(D_{0}\).7, and then continually pretrained on CC-RecentNews (corpus \(D_{1}\)) for 4 epochs (25k global training steps, about 673 million token updates) using each of the CKL methods. Each of IL, UL, NL, NLE stands for InvariantLAMA, UpdatedLAMA, NewLAMA, and NewLAMA-Easy, respectively. Detailed descriptions about the setup for this experiment are included in the caption. [|assistant|]

v0.5 benchmark는 AI 안전 평가에 대한 WG의 접근 방식에 대한 개념 증명이며, 2024년 말까지 출시될 예정인 v1.0 benchmark의 전신입니다. v0.5 benchmark는 영어로 된 7가지 위험 범주에 각각 하나씩 총 7가지 테스트로 구성되어 있습니다. 이 benchmark를 구축하고 12개 이상의 모델을 테스트함으로써 접근 방식의 타당성, 강점, 약점을 평가할 수 있었습니다. v1.0 benchmark는 AI 시스템의 안전성에 대한 의미 있는 인사이트를 제공할 것이지만, **v0.5 benchmark는 실제로 AI 시스템의 안전성을 평가하는 데 사용해서는 안 됩니다**.[|endofturn|]

v0.5 벤치마크는 AI 안전 평가에 대한 WG의 접근 방식에 대한 개념 증명이며, 2024년 말까지 출시될 예정인 v1.0 벤치마크의 전신입니다. v0.5 벤치마크는 영어로 된 7가지 위험 범주에 각각 하나씩 총 7가지 테스트로 구성되어 있습니다. 이 벤치마크를 구축하고 12개 이상의 모델을 테스트함으로써 접근 방식의 타당성, 강점, 약점을 평가할 수 있었습니다. v1.0 벤치마크는 AI 시스템의 안전성에 대한 의미 있는 인사이트를 제공할 것이지만, **v0.5 벤치마크는 실제로 AI 시스템의 안전성을 평가하는 데 사용해서는 안 됩니다**.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]The v0.5 benchmark is a Proof-of-Concept for the WG's approach to AI safety evaluation, and a precursor to release of the full v1.0 benchmark, which is planned by the end of 2024. The v0.5 benchmark comprises seven tests (one for each of seven hazard categories) in the English language. By building it, and testing more than a dozen models against it, we have been able to assess the feasibility, strengths, and weaknesses of our approach. The v1.0 benchmark will provide meaningful insights into the safety of AI systems but **the v0.5 benchmark should not be used to actually assess the safety of AI systems**. [|assistant|]

각주 49: 관련 연구 방향이나 영역을 모두 다루는 것을 목표로 하지 않고, 대신 이러한 선별된 사례를 통해 LLMs의 사용 또는 영향력을 보여주고자 합니다.[|endofturn|]

각주 49: 관련 연구 방향이나 영역을 모두 다루는 것을 목표로 하지 않고, 대신 이러한 선별된 사례를 통해 LLM의 사용 또는 영향력을 보여주고자 합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Footnote 49: Note that we don’t aim to cover all the related research directions or domains, but instead demonstrating the use or impact of LLMs via these selected examples. [|assistant|]

우리는 \(6\) 기저에 집중합니다: \(B=10,420,1000,2017,2023\) 및 \(4913\), 약 300백만 쌍의 정수를 학습한 Transformers (정확한 GCD에 대해)를 학습한 후, 우리는 표 1에 나열된 성능을 달성합니다. 여기서 정확도는 모델이 올바르게 예측할 수 있는 무작위 균등 쌍 \((a,b)\)의 비율을 나타내며, 정확한 GCD는 모델이 올바르게 예측하는 \(100\) 미만의 GCD 수(즉, \(f(k)=k\)가 되는 수)를 나타내며, 정확한 모델 예측은 관련 집합에 있는 숫자의 곱입니다. 이러한 모델은 \(\mathcal{D}(B)\)를 생성하는 데 사용됩니다.[|endofturn|]

우리는 \(6\) 기저에 집중합니다: B=10,420,1000,2017,2023,4913\), 약 300백만 쌍의 정수를 학습한 트랜스포머(정확한 GCD에 대해)를 학습한 후, 우리는 표 1에 나열된 성능을 달성합니다. 여기서 정확도는 모델이 올바르게 예측할 수 있는 무작위 균등 쌍 \((a,b)\)의 비율을 나타내며, 정확한 GCD는 모델이 올바르게 예측하는 \(100\) 미만의 GCD 수(즉, \(f(k)=k\)가 되는 수)를 나타내며, 정확한 모델 예측은 관련 집합에 있는 숫자의 곱입니다. 이러한 모델은 \(\mathcal{D}(B)\)를 생성하는 데 사용됩니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]We focus on \(6\) bases: \(B=10,420,1000,2017,2023\) and \(4913\), after training transformers (on correct GCD) over about \(300\) millions pairs of integers between one and one million, we achieve the performances listed in Table 1. There, accuracy stands for the proportion of random uniform pairs \((a,b)\) that the model can predict correctly, correct GCD is the number of GCD under \(100\) that the model correctly predicts (i.e. \(k\) such that \(f(k)=k\)), and correct model predictions are the products of numbers in the associated sets. These models are used to generate \(\mathcal{D}(B)\). [|assistant|]

v0.5 Benchmark의 **use case**는 성인이 영어로 범용 어시스턴트와 채팅하는 것입니다. 문화적, 지리적 맥락은 서유럽 및 북미입니다. **use case**는 목표(또는 목표)를 달성하기 위한 인간과 모델 간의 상호 작용 집합으로 정의합니다. 범용 어시스턴트와 채팅하는 예로는 전문적이지 않은 조언 구하기, 검색 및 검색, 의견 표현, 계획 설명, 과거 활동 설명 등이 있지만 이에 국한되지 않습니다. AI 시스템은 일반적으로 인간에게 응답할 때 도움이 되고 적절한 것으로 보여줄 것으로 기대합니다. 이 **use case**(일반 퍼포즈 어시스턴트와 채팅하는 성인)를 가능한 모든 **use case**의 하위 집합으로 간주합니다. 즉, 모델이 이 **use case**에 대해 좋은 성능을 발휘한다고 해서 금융 자문, 교육, 치료 또는 고객 서비스와 같은 보다 구체적인 **use case**로 자동으로 확장되는 것은 아닙니다. 향후에는 이러한 특정 **use case**에 대한 구체적인 벤치마크를 만들 계획입니다.[|endofturn|]

v0.5 벤치마크의 사용 사례는 성인이 영어로 범용 어시스턴트와 채팅하는 것입니다. 문화적, 지리적 맥락은 서유럽 및 북미입니다. 사용 사례는 목표(또는 목표)를 달성하기 위한 인간과 모델 간의 상호 작용 집합으로 정의합니다. 범용 어시스턴트와 채팅하는 예로는 전문적이지 않은 조언 구하기, 검색 및 검색, 의견 표현, 계획 설명, 과거 활동 설명 등이 있지만 이에 국한되지 않습니다. AI 시스템은 일반적으로 인간에게 응답할 때 도움이 되고 적절한 것으로 보여줄 것으로 기대합니다. 이 사용 사례(일반 퍼포즈 어시스턴트와 채팅하는 성인)를 가능한 모든 사용 사례의 하위 집합으로 간주합니다. 즉, 모델이 이 사용 사례에 대해 좋은 성능을 발휘한다고 해서 금융 자문, 교육, 치료 또는 고객 서비스와 같은 보다 구체적인 사용 사례로 자동으로 확장되는 것은 아닙니다. 향후에는 이러한 특정 사용 사례에 대한 구체적인 벤치마크를 만들 계획입니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]The **use case** for the v0.5 Benchmark is an adult chatting to a general-purpose assistant in English. The cultural and geographic context is Western Europe & North America. We define a use case as a set of interactions between human and model to achieve a goal (or goals). Examples of chatting to a general-purpose assistant include but are not limited to: seeking non-specialized advice; search and retrieval; expressing opinions; describing plans; and describing past activities. We expect AI systems to typically present themself as helpful and appropriate in their responses to humans. We treat this use case (an adult chatting to a general-purpose assistant) as a subset of all possible use cases. This means that if a model performs well for this use case, the result does not automatically extend to other more specific use cases, such as financial advice, education, therapy, or customer service. In the future, we aim to create specific benchmarks for them. [|assistant|]

다음 페이지에서는 모델의 추론 능력(상식 추론과 논리 추론 모두)을 측정하는 표준 오픈 소스 벤치마크에서 **phi-3-mini**에 대한 결과를 보고합니다. phi-2 [JBA\({}^{+}\)23], Mistral-7b-v0.1 [JSM\({}^{+}\)23], Mistral-8x7b [JSR\({}^{+}\)24], Gemma 7B [TMH\({}^{+}\)24], Llama-3-instruct-8b [AI23], GPT-3.5와 비교합니다. 보고된 모든 수치는 정확히 동일한 파이프라인으로 생성되어 비교 가능한 수치입니다. 이러한 수치는 평가에 대한 약간의 선택이 다르기 때문에 다른 게시된 수치와 다를 수 있습니다. 현재 표준처럼 temperature 0에서 few-shot prompts를 사용하여 모델을 평가합니다. prompts와 shot 수는 언어 모델을 평가하기 위한 Microsoft 내부 도구의 일부이며, 특히 **phi-3** 모델에 대한 파이프라인에 대한 최적화를 수행하지 않았습니다. \(k\)-shot 예제의 수는 벤치마크별로 나열되어 있습니다. 2-shot prompt의 예는 부록 A에 설명되어 있습니다.[|endofturn|]

다음 페이지에서는 모델의 추론 능력(상식 추론과 논리 추론 모두)을 측정하는 표준 오픈 소스 벤치마크에서 **phi-3-mini**에 대한 결과를 보고합니다. phi-2 [JBA\({}^{+}\)23], Mistral-7b-v0.1 [JSM\({}^{+}\)23], Mistral-8x7b [JSR\({}^{+}\)24], Gemma 7B [TMH\({}^{+}\)24], Llama-3-instruct-8b [AI23], GPT-3.5와 비교합니다. 보고된 모든 수치는 정확히 동일한 파이프라인으로 생성되어 비교 가능한 수치입니다. 이러한 수치는 평가에 대한 약간의 선택이 다르기 때문에 다른 게시된 수치와 다를 수 있습니다. 현재 표준처럼 저온 0에서 몇 개의 샷 프롬프트를 사용하여 모델을 평가합니다. 프롬프트와 샷 수는 언어 모델을 평가하기 위한 Microsoft 내부 도구의 일부이며, 특히 **phi-3** 모델에 대한 파이프라인에 대한 최적화를 수행하지 않았습니다.3 k-샷 예제의 수는 벤치마크별로 나열되어 있습니다. 2샷 프롬프트의 예는 부록 A에 설명되어 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]On the next page we report the results for **phi-3-mini** on standard open-source benchmarks measuring the model's reasoning ability (both common sense reasoning and logical reasoning). We compare to phi-2 [JBA\({}^{+}\)23], Mistral-7b-v0.1 [JSM\({}^{+}\)23], Mistral-8x7b [JSR\({}^{+}\)24], Gemma 7B [TMH\({}^{+}\)24], Llama-3-instruct-8b [AI23], and GPT-3.5. All the reported numbers are produced with the exact same pipeline to ensure that the numbers are comparable. These numbers might differ from other published numbers due to slightly different choices in the evaluation. As is now standard, we use few-shot prompts to evaluate the models, at temperature 0. The prompts and number of shots are part of a Microsoft internal tool to evaluate language models, and in particular we did no optimization to the pipeline for the **phi-3** models.3 The number of \(k\)-shot examples is listed per-benchmark. An example of a 2-shot prompt is described in Appendix A. [|assistant|]

의사와 환자 간의 대화는 효과적이고 자비로운 진료의 기본입니다. 의료 면담은 "의사가 사용할 수 있는 가장 강력하고 민감하며 가장 다재다능한 도구"라고 불립니다 [1]. 일부 환경에서는 60-80%의 진단이 임상 병력 청취만으로 이루어진다고 믿어집니다 [2, 3, 4, 5, 6]. 의사-환자 대화는 병력 청취 및 진단을 넘어 친밀감을 형성하고 신뢰를 쌓으며, 건강 요구 사항을 해결하기 위한 도구로 사용되며, 환자가 자신의 선호도, 기대치 및 우려 사항을 고려한 정보에 입각한 결정을 내릴 수 있도록 힘을 실어줍니다 [7]. 임상의는 임상 병력 청취 및 더 넓은 의미의 "diagnostic dialogue"에서 상당한 기술을 보유하고 있지만, 이러한 전문 지식에 대한 접근은 여전히 산발적이며 전 세계적으로 부족합니다 [8].[|endofturn|]

의사와 환자 간의 대화는 효과적이고 자비로운 진료의 기본입니다. 의료 면담은 "의사가 사용할 수 있는 가장 강력하고 민감하며 가장 다재다능한 도구"라고 불립니다 [1]. 일부 환경에서는 60-80%의 진단이 임상 병력 청취만으로 이루어진다고 믿어집니다 [2, 3, 4, 5, 6]. 의사-환자 대화는 병력 청취 및 진단을 넘어 친밀감을 형성하고 신뢰를 쌓으며, 건강 요구 사항을 해결하기 위한 도구로 사용되며, 환자가 자신의 선호도, 기대치 및 우려 사항을 고려한 정보에 입각한 결정을 내릴 수 있도록 힘을 실어줍니다 [7]. 임상의는 임상 병력 청취 및 더 넓은 의미의 "진단 대화"에서 상당한 기술을 보유하고 있지만, 이러한 전문 지식에 대한 접근은 여전히 산발적이며 전 세계적으로 부족합니다 [8].[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]The dialogue between the physician and the patient is fundamental to effective and compassionate care. The medical interview has been termed "the most powerful, sensitive, and most versatile instrument available to the physician" [1]. In some settings, it is believed that 60-80% of diagnoses are made through clinical history-taking alone [2, 3, 4, 5, 6]. The physician-patient dialogue extends beyond history-taking and diagnosis; it is a complex interaction which establishes rapport and trust, serves as a tool for addressing health needs and can empower patients to make informed decisions that account for their preferences, expectations, and concerns [7]. Clinicians yield considerable skills in clinical history-taking and the wider "diagnostic dialogue", but access to this expertise remains episodic and globally scarce [8]. [|assistant|]

우리는 최적의 시스템 설정을 사용하여 앙상블링을 위해 6개의 기본 추론을 생성하여 validation set에서 이러한 모든 방법을 평가합니다. Trimmed mean은 가장 낮은 Brier score를 달성하며, 결과는 표 14를 참조하세요. 이와는 대조적으로 USC 방법은 baseline보다 개선되지 않음을 보여줍니다.[|endofturn|]

우리는 최적의 시스템 설정을 사용하여 앙상블링을 위해 6개의 기본 추론을 생성하여 유효성 검사 세트에서 이러한 모든 방법을 평가합니다. 트림 평균은 가장 낮은 브리어 점수를 달성하며, 결과는 표 14를 참조하세요. 이와는 대조적으로 USC 방법은 기준선보다 개선되지 않음을 보여줍니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]We evaluate all these methods on the validation set by generating 6 base reasonings for ensembling, using our optimal system setup. Trimmed mean achieves the lowest Brier score; see Table 14 for the results. The USC method, in contrast, does not demonstrate improvement over the baseline. [|assistant|]

모델 병합[15; 28], 최근 대규모 언어 모델(LLM) 커뮤니티에서 개발된 모델 병합은 새로운 패러다임의 변화를 제시합니다. 여러 LLM을 하나의 아키텍처로 전략적으로 결합함으로써 이 흥미로운 개발은 새로운 모델 개발을 위한 매우 비용 효율적인 접근 방식이라는 주요 장점으로 인해 연구자들의 관심을 끌었습니다. 이러한 접근성 덕분에 모델 병합에 대한 관심과 실험이 급증했습니다. 이제 Open LLM Leaderboard[20]는 병합 모델로 장악하고 있으며, foundation model 개발의 민주화를 위한 잠재력을 보여주고 있습니다.[|endofturn|]

최근 대규모 언어 모델(LLM) 커뮤니티에서 개발된 모델 병합[15; 28]은 새로운 패러다임의 변화를 제시합니다. 여러 LLM을 하나의 아키텍처로 전략적으로 결합함으로써 이 흥미로운 개발은 새로운 모델 개발을 위한 매우 비용 효율적인 접근 방식이라는 주요 장점으로 인해 연구자들의 관심을 끌었습니다. 이러한 접근성 덕분에 모델 병합에 대한 관심과 실험이 급증했습니다. 이제 오픈 LLM 리더보드[20]는 병합 모델로 장악하고 있으며, 기반 모델 개발의 민주화를 위한 잠재력을 보여주고 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Model merging [15; 28], a recent development in the large language model (LLM) community, presents a novel paradigm shift. By strategically combining multiple LLMs into a single architecture, this exciting development has captured the attention of researchers due to its key advantage: it requires no additional training, making it an incredibly cost-effective approach for developing new models. This accessibility has fueled a surge in interest and experimentation with model merging. The Open LLM Leaderboard [20] is now dominated by merged models, showcasing its potential for democratizing foundation model development. [|assistant|]

명령어 튜닝과는 별도로, LLM을 인간의 가치와 선호도(예: 유용성, 정직성, 무해성)에 맞추기 위해서는 고품질의 데이터셋을 구축하는 것이 중요합니다. 이 섹션에서는 alignment tuning에 널리 사용되는 몇 가지 데이터 세트(HH-RLHF [170], SHP [177], PKU-SafeRLHF [181], Stack Exchange Preferences [178] 및 Sandbox Alignment Data [179])를 소개합니다. 자세한 내용은 표 IV에 나와 있습니다.[|endofturn|]

명령어 튜닝과는 별도로, LLM을 인간의 가치와 선호도(예: 유용성, 정직성, 무해성)에 맞추기 위해서는 고품질의 데이터셋을 구축하는 것이 중요합니다. 이 섹션에서는 정렬 튜닝에 널리 사용되는 몇 가지 데이터 세트(HH-RLHF [170], SHP [177], PKU-SafeRLHF [181], Stack Exchange Preferences [178] 및 Sandbox Alignment Data [179])를 소개합니다. 자세한 내용은 표 IV에 나와 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Apart from instruction tuning, it is important to construct high-quality datasets for aligning LLMs with human values and preferences (_e.g.,_ helpfulness, honesty, and harmlessness). In this section, we introduce several widely used datasets for alignment tuning, including HH-RLHF [170], SHP [177], PKU-SafeRLHF [181], Stack Exchange Preferences [178] and Sandbox Alignment Data [179]. We show their details in Table IV. [|assistant|]

그림 2: 제안된 CodecLM 개요. 먼저, 강력한 LLM \(f_{s}\)는 시드 instruction을 instruction metadata로 인코딩하여 사용 사례와 응답에 필요한 skills을 지정합니다. 다음으로, \(f_{s}\)는 metadata를 기본 instructions로 디코딩합니다. 한편, Self-Rubrics는 \(f_{s}\)를 활용하여 rubrics와 actions을 생성하여 기본 instruction을 개선하고 downstream 작업에 맞게 조정합니다. 마지막으로, Contrastive Filtering은 점수 함수 \(S\)를 사용하여 \(f_{s}\)와 \(f_{t}\)의 응답을 비교합니다. 가장 효과적인 쌍은 LLM을 정렬하기 위해 선택되며, 효과가 떨어지는 instructions는 추가 개선을 위해 전송됩니다. 이 그림에서 강력한 LLM의 응답이 대상 LLM의 응답에 비해 우세하므로 대상 LLM의 Instruction Tuning을 위해 해당 쌍을 선택합니다.[|endofturn|]

그림 2: 제안된 코덱LM 개요. 먼저, 강력한 LLM \(f_{s}\)는 시드 명령을 인스트럭션 메타데이터로 인코딩하여 사용 사례와 응답에 필요한 스킬을 지정합니다. 다음으로, \(f_{s}\)는 메타데이터를 기본 명령어로 디코딩합니다. 한편, 셀프-루브릭스는 \(f_{s}\)를 활용하여 루브릭과 동작을 생성하여 기본 명령을 개선하고 다운스트림 작업에 맞게 조정합니다. 마지막으로, 대조 필터링은 점수 함수 \(S\)를 사용하여 \(f_{s}\)와 \(f_{t}\)의 응답을 비교합니다. 가장 효과적인 쌍은 LLM을 정렬하기 위해 선택되며, 효과가 떨어지는 명령어는 추가 개선을 위해 전송됩니다. 이 그림에서 강력한 LLM의 응답이 대상 LLM의 응답에 비해 우세하므로 대상 LLM의 명령어 튜닝을 위해 해당 쌍을 선택합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Figure 2: Overview of the proposed CodecLM. First, the strong LLM \(f_{s}\) encodes the seed instruction into instruction metadata, specifying its use case and skills required for responses. Next, \(f_{s}\) decodes metadata into basic instructions. Meanwhile, Self-Rubrics leverages \(f_{s}\) to generate rubrics and actions to improve the basic instruction, tailoring them for the downstream task. Finally, Contrastive Filtering uses a scoring function \(S\) to compares \(f_{s}\) and \(f_{t}\)’s responses. The most effective pairs are selected for aligning the LLM, while less effective instructions are sent for further improvement. In this figure, the strong LLM’s response is winning against the target one’s, so we select the corresponding pair for instruction tuning the target LLM. [|assistant|]

그림 9: **중심 집계에서 중복 제거는 Pythia 제품군에 약간의 개선을 가져옵니다(Biderman et al., 2023).** 중복 제거된 Pile과 일반 Pile에서 학습된 Pythia 간의 갭, 중심 집계에서 zero-shot 성능. 투명한 집계에 있는 모든 작업에 대한 개별 곡선 및 1-\(\sigma\) 표준 편차.[|endofturn|]

그림 9: **중심 집계에서 중복 제거는 Pythia 제품군에 약간의 개선을 가져옵니다(Biderman et al., 2023).** 중복 제거된 파일과 일반 파일에서 학습된 Pythia 간의 갭, 중심 집계에서 0-샷 성능. 투명한 집계에 있는 모든 작업에 대한 개별 곡선 및 1-\(\sigma\) 표준 편차.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Figure 9: **In our core aggregate, deduplication brings a small improvement to the Pythia suite (Biderman et al., 2023).** Zero-shot performance on our core aggregate, gap between Pythia trained on the deduplicated and vanilla Pile. Individual curves for per-task results and 1-\(\sigma\) standard deviation across all tasks in the aggregate in transparent. [|assistant|]

\begin{table} \begin{tabular}{c c c c c c c c} \hline \hline \multicolumn{3}{c}{**Massive web datasets**} & \multicolumn{2}{c}{**Curated**} & **Ours** & \\ \hline & OSCAR-21.09 & OSCAR-22.01 & C4 & \(\blacktriangledown\) The Pile & RW-Raw & RW-Filtered & \(\blacklozenge\) RefinedWeb \\ \hline **1B@27GT** & 55.0\% & 52.7\% & 55.7\% & 53.4\% & 52.7\% & 54.3\% & **56.2\%** \\ **3B@60GT** & 59.1\% & 55.9\% & 59.6\% & 57.9\% & 57.4\% & 58.2\% & **59.8\%** \\ \hline \hline \end{tabular} \end{table} 표 4: **zero-shot 일반화를 위한 실버 불릿이 아닌 큐레이션: \(\blacklozenge\) RefinedWeb에서 훈련된 소규모 모델이 웹 데이터(C4, OSCAR)와 큐레이션된 코퍼스(\(\blacktriangledown\) The Pile)에서 훈련된 모델보다 성능이 우수합니다. 소규모 집계에서 zero-shot의 평균 정확도. 모든 모델은 동일한 아키텍처와 사전 학습 하이퍼파라미터로 훈련되었습니다. OSCAR-22.01은 중복 제거가 선택 사항일 수 있기 때문에 다른 데이터 세트보다 크게 성능이 떨어지는 것을 발견했습니다. C4는 강력한 baseline이며, OSCAR-21.09는 약간 뒤처지지만, RefinedWeb이 두 웹 데이터 세트와 가장 인기 있는 큐레이션 데이터 세트인 The Pile보다 성능이 뛰어나다는 것을 발견했습니다. 필터링과 중복 제거는 모두 zero-shot 성능을 개선하는 데 크게 기여합니다.**BigScience Architecture 및 Scaling Pile 모델(Scao et al., 2022), PaLM-8B(Chowdhery et al., 2022), Aleph Alpha Luminous 13B(Aleph Alpha, 2023), Pythia 시리즈(Biderman et al., 2023), Cerebras-GPT 시리즈(Dey et al., 2023). GPT-3의 경우, API(babbage 및 curie)를 통해 얻은 결과와 EleutherAI LM 평가 harness(*), 그리고 다른 평가 설정으로 보고된 결과(\(\dagger\))를 구분합니다. PaLM과 OPT의 경우 다른 평가 제품군(\(\dagger\))으로 결과를 얻었지만, 다른 모델의 경우 평가 harness(*), 즉 보다 직접적인 비교가 가능한 결과를 얻었습니다.[|endofturn|]

\begin{table} \begin{tabular}{c c c c c c c c} \hline \hline \multicolumn{3}{c}{**Massive web datasets**} & \multicolumn{2}{c}{**Curated**} & **Ours** & \\ \hline & OSCAR-21.09 & OSCAR-22.01 & C4 & \(\blacktriangledown\) The Pile & RW-Raw & RW-Filtered & \(\blacklozenge\) RefinedWeb \\ \hline **1B@27GT** & 55.0\% & 52.7\% & 55.7\% & 53.4\% & 52.7\% & 54.3\% & **56.2\%** \\ **3B@60GT** & 59.1\% & 55.9\% & 59.6\% & 57.9\% & 57.4\% & 58.2\% & **59.8\%** \\ \hline \hline \end{tabular} \end{table} 표 4: **제로 샷 일반화를 위한 실버 불릿이 아닌 큐레이션: \(\blacklozenge\) RefinedWeb에서 훈련된 소규모 모델이 웹 데이터(C4, OSCAR)와 큐레이션된 코퍼스(\(\blacktriangledown\) The Pile)에서 훈련된 모델보다 성능이 우수합니다. 소규모 집계에서 제로 샷의 평균 정확도. 모든 모델은 동일한 아키텍처와 사전 학습 하이퍼파라미터로 훈련되었습니다. OSCAR-22.01은 중복 제거가 선택 사항일 수 있기 때문에 다른 데이터 세트보다 크게 성능이 떨어지는 것을 발견했습니다. C4는 강력한 기준선이며, OSCAR-21.09는 약간 뒤처지지만, RefinedWeb이 두 웹 데이터 세트와 가장 인기 있는 큐레이션 데이터 세트인 The Pile보다 성능이 뛰어나다는 것을 발견했습니다. 필터링과 중복 제거는 모두 제로 샷 성능을 개선하는 데 크게 기여합니다.**빅사이언스 아키텍처 및 스케일링 파일 모델(Scao et al., 2022), PaLM-8B(Chowdhery et al., 2022), 알레프 알파 루미너스 13B(Aleph Alpha, 2023), 피티아 시리즈(Biderman et al., 2023), 세레브라스-GPT 시리즈(Dey et al., 2023). GPT-3의 경우, API(babbage 및 curie)를 통해 얻은 결과와 EleutherAI LM 평가 하네스(*), 그리고 다른 평가 설정으로 보고된 결과(\(\dagger\))를 구분합니다. PaLM과 OPT의 경우 다른 평가 제품군(\(\dagger\))으로 결과를 얻었지만, 다른 모델의 경우 평가 하네스(*), 즉 보다 직접적인 비교가 가능한 결과를 얻었습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]\begin{table} \begin{tabular}{c c c c c c c c} \hline \hline \multicolumn{3}{c}{**Massive web datasets**} & \multicolumn{2}{c}{**Curated**} & **Ours** & \\ \hline & OSCAR-21.09 & OSCAR-22.01 & C4 & \(\blacktriangledown\) The Pile & RW-Raw & RW-Filtered & \(\blacklozenge\) RefinedWeb \\ \hline **1B@27GT** & 55.0\% & 52.7\% & 55.7\% & 53.4\% & 52.7\% & 54.3\% & **56.2\%** \\ **3B@60GT** & 59.1\% & 55.9\% & 59.6\% & 57.9\% & 57.4\% & 58.2\% & **59.8\%** \\ \hline \hline \end{tabular} \end{table} Table 4: **Curation is not a silver bullet for zero-shot generalization: small-scale models trained on \(\blacklozenge\) RefinedWeb outperform models trained on web data (C4, OSCAR), and on curated corpora (\(\blacktriangledown\) The Pile). Average accuracy in zero-shot on the small-agg aggregate. All models trained with identical architectures and pretraining hyperparameters. We find that OSCAR-22.01 underperforms other datasets signficantly, perhaps because deduplication is only optional. C4 is a strong baseline, with OSCAR-21.09 lagging slightly behind, but we find that RefinedWeb outperforms both web datasets and the most popular curated dataset, The Pile. Both filtering and deduplication contribute significantly to improving zero-shot performance.**the BigScience Architecture and Scaling Pile model (Scao et al., 2022), PaLM-8B (Chowdhery et al., 2022), Aleph Alpha Luminous 13B (Aleph Alpha, 2023), the Pythia series (Biderman et al., 2023), and the Cerebras-GPT series (Dey et al., 2023). For GPT-3, we distinguish between results obtained through the API (babbage and curie) with the the EleutherAI LM evaluation harness (Gao et al., 2021) (*), and results reported in their paper, with a different evaluation setup (\(\dagger\)). Note that for PaLM and OPT, results were also obtained with a different evaluation suite (\(\dagger\)), while for other models they were obtained with the evaluation harness as well (*), allowing for more direct comparisons. [|assistant|]

여기서 \(d\)는 embedding 차원이며 모델 용량의 대리 역할을 하며, 지수 \(c_{q}\)는 \(\beta\)와 훈련 중에 모델의 메모리를 업데이트하는 데 사용되는 특정 알고리즘 \(q\)에 따라 달라집니다.[|endofturn|]

여기서 \(d\)는 임베딩 차원이며 모델 용량의 대리 역할을 하며, 지수 \(c_{q}\)는 \(\beta\)와 훈련 중에 모델의 메모리를 업데이트하는 데 사용되는 특정 알고리즘 \(q\)에 따라 달라집니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]where \(d\) is the embedding dimension, and serves a s proxy for model capacity; the exponent \(c_{q}\) depends both on \(\beta\) and the particular algorithm \(q\) used to update the memories in the model during training. [|assistant|]

여기서 \(q\)는 에이전트가 해결해야 하는 작업 또는 에이전트가 처한 상황과 같은 query입니다. \(M\)은 모든 메모리의 집합입니다. \(s^{rec}(\cdot)\), \(s^{rel}(\cdot)\) 및 \(s^{imp}(\cdot)\)는 메모리 \(m\)의 최근성, 관련성 및 중요도를 측정하기 위한 scoring functions입니다. 이러한 scoring functions는 다양한 방법을 사용하여 구현할 수 있으며, 예를 들어 \(s^{rel}(q,m)\)은 LSH, ANNOY, HNSW, FAISS 등을 기반으로 구현할 수 있습니다. \(s^{imp}\)는 메모리 자체의 특성만 반영하므로 query \(q\)와는 관련이 없다는 점에 유의해야 합니다. \(\alpha\), \(\beta\) 및 \(\gamma\)는 balancing parameters입니다. 이 값을 다르게 지정하면 다양한 메모리 읽기 전략을 얻을 수 있습니다. 예를 들어, \(\alpha=\gamma=0\)으로 설정하면 많은 연구[16, 30, 38, 42]에서 메모리 읽기에 관련 점수 \(s^{rel}\)만 고려합니다. \(\alpha=\beta=\gamma=1.0\), [20]은 위의 세 가지 metrics에 모두 동일한 가중치를 부여하여 메모리에서 정보를 추출합니다.[|endofturn|]

여기서 \(q\)는 에이전트가 해결해야 하는 작업 또는 에이전트가 처한 상황과 같은 쿼리입니다. M\)은 모든 메모리의 집합입니다. s^{rec}(\cdot)\), \(s^{rel}(\cdot)\) 및 \(s^{imp}(\cdot)\)는 메모리 \(m\)의 최근성, 관련성 및 중요도를 측정하기 위한 점수 함수입니다. 이러한 점수 함수는 다양한 방법을 사용하여 구현할 수 있으며, 예를 들어 \(s^{rel}(q,m)\)은 LSH, ANNOY, HNSW, FAISS 등을 기반으로 구현할 수 있습니다. s^{imp}\)는 메모리 자체의 특성만 반영하므로 쿼리 \(q\)와는 관련이 없다는 점에 유의해야 합니다. \(\알파\), \(\베타\), \(\감마\)는 밸런싱 파라미터입니다. 이 값을 다르게 지정하면 다양한 메모리 읽기 전략을 얻을 수 있습니다. 예를 들어, \(\알파=\감마=0\)으로 설정하면 많은 연구[16, 30, 38, 42]에서 메모리 읽기에 관련 점수 \(s^{rel}\)만 고려합니다. 알파=\베타=\감마=1.0\), [20]은 위의 세 가지 메트릭에 모두 동일한 가중치를 부여하여 메모리에서 정보를 추출합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]where \(q\) is the query, for example, the task that the agent should address or the context in which the agent is situated. \(M\) is the set of all memories. \(s^{rec}(\cdot)\), \(s^{rel}(\cdot)\) and \(s^{imp}(\cdot)\) are the scoring functions for measuring the recency, relevance, and importance of the memory \(m\). These scoring functions can be implemented using various methods, for example, \(s^{rel}(q,m)\) can be realized based on LSH, ANNOY, HNSW, FAISS and so on. It should be noted that \(s^{imp}\) only reflects the characters of the memory itself, thus it is unrelated to the query \(q\). \(\alpha\), \(\beta\) and \(\gamma\) are balancing parameters. By assigning them with different values, one can obtain various memory reading strategies. For example, by setting \(\alpha=\gamma=0\), many studies [16, 30, 38, 42] only consider the relevance score \(s^{rel}\) for memory reading. By assigning \(\alpha=\beta=\gamma=1.0\), [20] equally weights all the above three metrics to extract information from memory. [|assistant|]

단일 에이전트. AIOS의 이 영구 저장소는 로컬 파일, 데이터베이스 또는 클라우드 기반 솔루션과 같은 다양한 내구성 있는 매체를 통해 이루어지며, 향후 참조 또는 분석을 위해 데이터 무결성과 가용성을 보장합니다. 스토리지 관리자는 Retrieval augmentation[61]을 지원합니다. 사용자 기본 설정을 저장하고 과거 상호 작용 로그를 유지 관리함으로써 스토리지 관리자는 에이전트 지식 업데이트를 강화하고 장기적인 사용자 경험을 향상시킬 수 있습니다.[|endofturn|]

단일 에이전트. AIOS의 이 영구 저장소는 로컬 파일, 데이터베이스 또는 클라우드 기반 솔루션과 같은 다양한 내구성 있는 매체를 통해 이루어지며, 향후 참조 또는 분석을 위해 데이터 무결성과 가용성을 보장합니다. 스토리지 관리자는 검색 증강[61]을 지원합니다. 사용자 기본 설정을 저장하고 과거 상호 작용 로그를 유지 관리함으로써 스토리지 관리자는 에이전트 지식 업데이트를 강화하고 장기적인 사용자 경험을 향상시킬 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]single agent. This permanent storage in AIOS is achieved through a variety of durable mediums such as local files, databases, or cloud-based solutions, ensuring data integrity and availability for future reference or analysis. The storage manager supports retrieval augmentation [61]. Through storing user preferences and maintaining historical interaction logs, the storage manager can enrich the agent knowledge update and enhancing the long-term user experience. [|assistant|]

여기서 \(\epsilon\)은 미리 정의된 임계값입니다. 그러나 모든 뉴런과 모든 입력을 순차적으로 순회하는 것은 매우 시간이 많이 걸립니다. 따라서 가속화를 위한 parallel algorithm을 설계해야 합니다.[|endofturn|]

여기서 \(\epsilon\)은 미리 정의된 임계값입니다. 그러나 모든 뉴런과 모든 입력을 순차적으로 순회하는 것은 매우 시간이 많이 걸립니다. 따라서 가속화를 위한 병렬 알고리즘을 설계해야 합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]where \(\epsilon\) is the pre-defined threshold. However, it is super time-consuming to traverse all neurons and all inputs sequentially. Therefore, we need to design a parallel algorithm for acceleration. [|assistant|]

주의_.: 주의 깊게 읽는 독자라면 또 다른 유형의 memory 구조, 즉 장기 기억에만 기반한 memory 구조도 존재할 수 있다는 것을 알 수 있습니다. 그러나 우리는 그러한 유형의 memory가 문헌에 거의 문서화되어 있지 않다는 것을 발견했습니다. 우리의 추측은 에이전트가 항상 연속적이고 동적인 환경에 위치하며, 연속적인 행동이 높은 상관관계를 보이는 것입니다. 따라서 단기 memory를 포착하는 것이 매우 중요하며 일반적으로 무시할 수 없습니다.[|endofturn|]

주의_.: 주의 깊게 읽는 독자라면 또 다른 유형의 메모리 구조, 즉 장기 기억에만 기반한 메모리 구조도 존재할 수 있다는 것을 알 수 있습니다. 그러나 우리는 그러한 유형의 메모리가 문헌에 거의 문서화되어 있지 않다는 것을 발견했습니다. 우리의 추측은 에이전트가 항상 연속적이고 동적인 환경에 위치하며, 연속적인 행동이 높은 상관관계를 보이는 것입니다. 따라서 단기 기억을 포착하는 것이 매우 중요하며 일반적으로 무시할 수 없습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]_Remark_.: Careful readers may find that there may also exist another type of memory structure, that is, only based on the long-term memory. However, we find that such type of memory is rarely documented in the literature. Our speculation is that the agents are always situated in continuous and dynamic environments, with consecutive actions displaying a high correlation. Therefore, the capture of short-term memory is very important and usually cannot be disregarded. [|assistant|]

관련 작업. 동시 작업(Morris et al., 2023)에서는 유사하지만 약한 두 가지 쿼리 logprob 추출에 대해 설명합니다. 이들의 공격은 \(\text{logit}_{\text{top}}-\text{logit}_{i}\)보다 큰 logit bias와 top-2 logprob access가 필요하지만, 우리의 공격은 logit bias가 0이 아닌 것으로 허용되는 경우와 top-1 logprob access가 있는 경우에 작동합니다.[|endofturn|]

관련 작업.동시 작업(Morris et al., 2023)에서는 유사하지만 약한 두 가지 쿼리 로그 확률 추출에 대해 설명합니다. 이들의 공격은 \(\text{logit}_{\text{top}}-\text{logit}_{i}\)보다 큰 로짓 바이어스와 상위 2개의 로그 확률 액세스가 필요하지만, 우리의 공격은 로그 확률 바이어스가 0이 아닌 것으로 허용되는 경우와 상위 1개의 로그 확률 액세스가 있는 경우에 작동합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Related work.Concurrent work (Morris et al., 2023) discusses a similar but weaker two-query logprob extraction. Their attack requires a logit bias larger than \(\text{logit}_{\text{top}}-\text{logit}_{i}\) and top-2 logprob access; our attack works as soon the logit bias is allowed to be nonzero, and with top-1 logprob access. [|assistant|]

다중 모달리티 Instruction 따라하기. 멀티모달 LLM의 다운스트림 애플리케이션에는 추론 및 Instruction 수행 기능이 필요합니다. 이러한 데이터는 일반적으로 긴 형식의 질문 응답 쌍이며 사람이 작성하기에는 비용이 많이 듭니다. LLaVA(Liu et al., 2024b)는 기존 이미지 캡션을 사용하여 다양하고 장문의 프롬프트-답변 쌍을 작성하기 위해 GPT-4(텍스트 전용 모드)를 프롬프트합니다. 멀티모달 LLM 훈련 중에 이미지와 프롬프트는 입력으로 사용되며 캡션과 바운딩 박스 정보는 숨길 수 있습니다. 이미지 캡션 외에도 객체 바운딩 박스(Zhao et al., 2023), OCR(Zhang et al., 2023d), 디더링된 차트(Carbune et al., 2024; Masry et al., 2023)와 같은 다른 이미지 속성 정보 소스도 이미지 속성 + 텍스트 LLM 재작성 합성 데이터 파이프라인에 모두 적용될 수 있습니다.[|endofturn|]

다중 모달리티 명령어 따라하기.멀티모달 LLM의 다운스트림 애플리케이션에는 추론 및 명령어 수행 기능이 필요합니다. 이러한 데이터는 일반적으로 긴 형식의 질문 응답 쌍이며 사람이 작성하기에는 비용이 많이 듭니다. LLaVA(Liu et al., 2024b)는 기존 이미지 캡션을 사용하여 다양하고 장문의 프롬프트-답변 쌍을 작성하기 위해 GPT-4(텍스트 전용 모드)를 프롬프트합니다. 멀티모달 LLM 훈련 중에 이미지와 프롬프트는 입력으로 사용되며 캡션과 바운딩 박스 정보는 숨길 수 있습니다. 이미지 캡션 외에도 객체 바운딩 박스(Zhao et al., 2023), OCR(Zhang et al., 2023d), 디더링된 차트(Carbune et al., 2024; Masry et al., 2023)와 같은 다른 이미지 속성 정보 소스도 이미지 속성 + 텍스트 LLM 재작성 합성 데이터 파이프라인에 모두 적용될 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Multi-modality instruction following.Downstream applications of multimodal LLMs require reasoning and instruction following capabilities. Such data are usually long-form question response pairs and are expensive for humans to create. LLaVA (Liu et al., 2024b) uses existing image captions to prompt GPT-4 (in text-only mode) for writing diverse and long-form prompt-answer pairs. During multimodal LLM training, images and prompts are used as input while the captions and bounding box information can be hidden. Besides image captions, other sources of image attribute information such as object bounding box (Zhao et al., 2023), OCR (Zhang et al., 2023d) and deredered charts (Carbune et al., 2024; Masry et al., 2023) can all fit into such as image attributes + text LLM rewriting synthetic data pipeline. [|assistant|]

그림 1: AI Safety Benchmark v0.5 내의 다양한 hazard 범주 내에서 테스트 대상 시스템(SUT)의 점수. 하단 행에는 전체 benchmark 성능(즉, hazard 범주 간 최저 등급)이 보고됩니다. 채점을 위한 참조 모델은 (\(*\))로 표시됩니다.[|endofturn|]

그림 1: AI 안전 벤치마크 v0.5 내의 다양한 위험 범주) 내에서 테스트 대상 시스템(SUT)의 점수. 하단 행에는 전체 벤치마크 성능(즉, 위험 범주 간 최저 등급)이 보고됩니다. 채점을 위한 참조 모델은 (\(*\))로 표시됩니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Figure 1: Scores of systems under test (SUTs) across the different hazard categories)within the AI Safety Benchmark v0.5. The bottom row reports the overall benchmark performance (i.e., lowest grade across hazard categories). Reference models for scoring are denoted with a (\(*\)). [|assistant|]

로짓당 쿼리 수입니다. 6~23자리 정밀도를 원한다면 하한은 로짓당 1.53~3.57쿼리에 해당합니다. 표 3의 최고 logprob-free 공격은 하한보다 로짓당 쿼리 수가 1개 정도 더 나쁜 것을 알 수 있습니다.[|endofturn|]

로짓당 쿼리 수입니다. 6~23자리 정밀도를 원한다면 하한은 로짓당 1.53~3.57쿼리에 해당합니다. 표 3의 최고 로그로그리즘 공격은 하한보다 로짓당 쿼리 수가 1개 정도 더 나쁜 것을 알 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]queries per logit. If we want between 6 and 23 digits of precision, the lower bound corresponds to 1.53 to 3.57 queries per logit. We see that the best logprob-free attack in Table 3 is only about 1 query per logit worse than the lower bound. [|assistant|]

훈련 매개변수. 우리는 코사인 Learning Rate 스케줄러와 함께 AdamW Optimizer를 사용합니다. 여기에는 1K 단계의 워밍업이 포함된 후, Learning Rate가 기준 학습률의 1배에서 0.1배로 코사인 감소합니다. 달리 명시되지 않는 한 혼합 정밀도 fp16 훈련을 사용합니다.[|endofturn|]

훈련 매개변수.코사인 학습률 스케줄러와 함께 AdamW 옵티마이저를 사용합니다. 여기에는 1K 단계의 워밍업이 포함된 후, 학습률이 기준 학습률의 1배에서 0.1배로 코사인 감소합니다. 달리 명시되지 않는 한 혼합 정밀도 fp16 훈련을 사용합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Training parameters.We employ the AdamW optimizer with a cosine learning rate scheduler. This includes \(1\)K steps of warmup, followed by a cosine decay of the learning rate from \(1\) to \(0.1\) times the reference rate. We use mixed-precision fp16 training unless otherwise stated. [|assistant|]

de+en 및 zh+en 언어 쌍의 경우, 소스 기반 Direct Assessment 및 Scalar Quality Metrics (DA+SQM)을 기반으로 가장 높은 사람의 순위를 얻은 번역 시스템을 선택했습니다. de+ru의 경우, Kocmi 외(2023)에서 이러한 방향에 대한 사람의 순위가 없었으므로 Kocmi 외(2023)에 보고된 대로 COMET-22 점수가 가장 높은 모델을 선택했습니다. 이러한 모델에 대한 자세한 내용은 표 12에서 확인할 수 있습니다.[|endofturn|]

de+en 및 zh+en 언어 쌍의 경우, 소스 기반 직접 평가 및 스칼라 품질 메트릭(DA+SQM)을 기반으로 가장 높은 사람의 순위를 얻은 번역 시스템을 선택했습니다. de+ru의 경우, Kocmi 외(2023)에서 이러한 방향에 대한 사람의 순위가 없었으므로 Kocmi 외(2023)에 보고된 대로 COMET-22 점수가 가장 높은 모델을 선택했습니다. 이러한 모델에 대한 자세한 내용은 표 12에서 확인할 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]For the de+en and zh+en language pairs, we selected the translation systems that attained the highest human rankings based on source-based Direct Assessment and Scalar Quality Metrics (DA+SQM). For de+ru, in the absence of human rankings for these directions in Kocmi et al. (2023), we opted for the model with the highest COMET-22 scores as reported in Kocmi et al. (2023). Details about these models are available in Table 12. [|assistant|]

최근에 제안된 Parity (Petrov et al., 2023)는 tokenizer가 서로 다른 언어의 동등한 문장을 얼마나 공정하게 처리하는지를 평가합니다. tokenizer \(T\)는 \(\frac{|T(s_{A})|}{|T(s_{B})|}\approx 1\)이면 언어 \(A\)에 대해 언어 \(B\)에 대한 parity를 달성하며, 여기서 \(s_{A}\)와 \(s_{B}\)는 각각 언어 \(A\)와 \(B\)의 코퍼스에 있는 모든 문장의 집합을 나타내며, 비율 \(\frac{|T(s_{A})|}{T(s_{B})|}\)는 premium으로 정의됩니다. 동일한 문장을 200개 언어로 인간 번역한 것으로 구성된 FLORES-200(Goyal et al., 2022) 병렬 코퍼스를 사용합니다. 각 tokenizer와 영어가 아닌 4개 언어에 대한 영어와의 parity 값을 계산합니다(개요는 그림 2 참조).[|endofturn|]

최근에 제안된 패리티(Petrov et al., 2023)는 토큰화기가 서로 다른 언어의 동등한 문장을 얼마나 공정하게 처리하는지를 평가합니다. 토큰화기 \(T\)는 \(\frac{|T(s_{A})|}{|T(s_{B})|}\약 1\)이면 언어 \(A\)에 대해 언어 \(B\)에 대한 패리티를 달성하며, 여기서 \(s_{A}\)와 \(s_{B}\)는 각각 언어 \(A\)와 \(B\)의 코퍼스에 있는 모든 문장의 집합을 나타내며, 비율 \(\frac{|T(s_{A})|}{T(s_{B})|}\)는 프리미엄으로 정의됩니다. 동일한 문장을 200개 언어로 인간 번역한 것으로 구성된 FLORES-200(Goyal et al., 2022) 병렬 코퍼스를 사용합니다. 각 토큰화기와 영어가 아닌 4개 언어에 대한 영어와의 패리티 값을 계산합니다(개요는 그림 2 참조).[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Parity (Petrov et al., 2023), which has been recently proposed, assesses how fairly a tokenizer treats equivalent sentences in different languages. A tokenizer \(T\) achieves parity for language \(A\) with respect to language \(B\) if \(\frac{|T(s_{A})|}{|T(s_{B})|}\approx 1\), where \(s_{A}\) and \(s_{B}\) denote the sets of all sentences in the corpora of languages \(A\) and \(B\), respectively, and the ratio \(\frac{|T(s_{A})|}{T(s_{B})|}\) is defined as premium. We use the FLORES-200 (Goyal et al., 2022) parallel corpus, consisting of the same sentences human-translated into 200 languages. We calculate the parity values for each tokenizer and the four non-English languages with respect to English (see Fig. 2 for an overview). [|assistant|]

다음 내용 C.2는 MTbench(Zheng et al., 2024a)의 prompt template에 따라 중국어로 번역된 CHC-Bench에 사용된 prompt template을 보여준다.[|endofturn|]

다음 내용 C.2는 MTbench(Zheng et al., 2024a)의 프롬프트 템플릿에 따라 중국어로 번역된 CHC-Bench에 사용된 프롬프트 템플릿을 보여준다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]The following content C.2 shows the prompt template used in our CHC-Bench, which is translated to Chinese according to the prompt template of MTbench (Zheng et al., 2024a). [|assistant|]

이와 대조적으로, 우리는 \(a\)에 대해 standard error 0.018을 추정합니다(표 2 참조). 이는 80% confidence interval 폭의 \(2\cdot z_{0.9}\cdot 0.02\약 0.05\)에 해당합니다. 따라서 우리의 80% confidence interval은 Hoffmann 등이 보고한 것보다 50배 더 넓습니다.[|endofturn|]

이와 대조적으로, 우리는 \(a\)에 대해 표준 오차 0.018을 추정합니다(표 2 참조). 이는 80% 신뢰 구간 폭의 \(2\cdot z_{0.9}\cdot 0.02\약 0.05\)에 해당합니다. 따라서 우리의 80% 신뢰 구간은 Hoffmann 등이 보고한 것보다 50배 더 넓습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]By contrast we estimate a standard error of 0.018 for \(a\) (See Table 2). This would correspond to a width of the 80% confidence interval of \(2\cdot z_{0.9}\cdot 0.02\approx 0.05\). Hence our 80% confidence interval is 50-fold wider than that reported by Hoffmann et al. [|assistant|]

N 및 S 결정. 실제로는 저희는 종종 가장 큰 규모의 모델을 선택하고 수렴할 때까지 모델을 훈련합니다. 그럼에도 불구하고 이러한 단순한 접근 방식은 최적의 구성에서 크게 벗어나 상당한 리소스 낭비를 초래할 수 있습니다. Scaling laws는 고정된 계산 예산 \(C\)8이 주어졌을 때 최적의 모델 크기 \(N\)과 훈련 단계 수 \(S\)를 선택하는 원칙적인 접근 방식을 제공합니다. 3.13은 이미 Loss \(L\), Batch Size \(B\), 모델 크기 \(N\), 훈련 단계 \(S\) 사이의 정확한 관계를 제공하므로, 임계 배치 크기(\(B=B_{crit}\))에서 \(L\)을 최소화하는 모델 크기를 찾을 수 있습니다. 이 최적의 \(N\)은 Eq 3.13의 도함수를 \(N\)에 대해 취하고 \(0\)으로 설정하여 구할 수 있습니다.[|endofturn|]

N$ 및 $S$ 결정실제로는 저희는 종종 가장 큰 규모의 모델을 선택하고 수렴할 때까지 모델을 훈련합니다. 그럼에도 불구하고 이러한 단순한 접근 방식은 최적의 구성에서 크게 벗어나 상당한 리소스 낭비를 초래할 수 있습니다. 스케일링 법칙은 고정된 계산 예산 \(C\)8이 주어졌을 때 최적의 모델 크기 \(N\)과 훈련 단계 수 \(S\)를 선택하는 원칙적인 접근 방식을 제공합니다. 3.13은 이미 손실 \(L\), 배치 크기 \(B\), 모델 크기 \(N\), 훈련 단계 \(S\) 사이의 정확한 관계를 제공하므로, 임계 배치 크기(\(B=B_{crit}\))에서 \(L\)을 최소화하는 모델 크기를 찾을 수 있습니다. 이 최적의 \(N\)은 Eq 3.13의 도함수를 \(N\)에 대해 취하고 \(0\)으로 설정하여 구할 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Determining \(N\) and \(S\)In practice, we often opt for the largest affordable model size and train the model until convergence. Nevertheless, this simplistic approach can deviate significantly from the optimal configuration and result in substantial resource wastage. Scaling laws provide a principled approach to choosing the optimal model size \(N\) and number of training steps \(S\) given a fixed computational budget \(C\)8. Given that Eq 3.13 already provides the precise relation between the loss \(L\), batch size \(B\), model size \(N\) and training steps \(S\), we could find the model size that minimizes \(L\) under the critical batch size (\(B=B_{crit}\)). This optimal \(N\) can be obtained by taking the derivative of Eq 3.13 w.r.t. \(N\) and setting it to \(0\). [|assistant|]

중복은 다양한 어휘 크기에 걸쳐 대략 일정하며, 두 개의 서로 다른 라이브러리에서만 구현된 동일한 알고리즘임에도 불구하고 전체 중복은 다소 낮은 경향이 있습니다. 결과적으로 tokenizers는 서로 다른 tokenized sequences를 생성하여 모델 학습 및 다운스트림 성능에 영향을 미칠 수 있습니다. 근본적인 이유를 조사한 결과, 이러한 라이브러리의 서로 다른 configuration 및 전처리 옵션 때문일 수 있습니다. 다국어 문서에서 더 큰 동의어 사전으로 인해 다국어 tokenizer의 중복률이 영어 tokenizers보다 낮습니다.[|endofturn|]

중복은 다양한 어휘 크기에 걸쳐 대략 일정하며, 두 개의 서로 다른 라이브러리에서만 구현된 동일한 알고리즘임에도 불구하고 전체 중복은 다소 낮은 경향이 있습니다. 결과적으로 토큰화 도구는 서로 다른 토큰화 시퀀스를 생성하여 모델 학습 및 다운스트림 성능에 영향을 미칠 수 있습니다. 근본적인 이유를 조사한 결과, 이러한 라이브러리의 서로 다른 구성 및 전처리 옵션 때문일 수 있습니다. 다국어 문서에서 더 큰 동의어 사전으로 인해 다국어 토큰화 도구의 중복률이 영어 토큰화 도구보다 낮습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]The overlap is roughly constant across different vocabulary sizes, and the total overlap tends to be rather low, despite being the identical algorithm only implemented by two different libraries. Consequently, the tokenizers produce different tokenized sequences, possibly affecting model training and downstream performance. Investigating the underlying reasons, the low overlap might be attributed to different configuration and pre-processing options in these libraries. Due to the larger thesaurus in multilingual documents, the overlap for the multilingual tokenizer is lower than for the English tokenizers. [|assistant|]

PG19(Rae et al., 2019) 및 Arxiv-math(Wu et al., 2022) 벤치마크에서 소형 Infini-Transformer 모델을 훈련하고 평가했습니다. 우리의 설정은 Memorizing Transformers(Wu et al., 2022)의 설정과 매우 유사합니다. 즉, 모든 모델은 12개의 레이어와 각각 128차원의 8개의 attention heads와 4096개의 숨겨진 레이어가 있는 FFN을 가지고 있습니다.[|endofturn|]

PG19(Rae et al., 2019) 및 Arxiv-math(Wu et al., 2022) 벤치마크에서 소형 인피니 트랜스포머 모델을 훈련하고 평가했습니다. 우리의 설정은 Memorizing Transformers(Wu et al., 2022)의 설정과 매우 유사합니다. 즉, 모든 모델은 12개의 레이어와 각각 128차원의 8개의 주의 헤드와 4096개의 숨겨진 레이어가 있는 FFN을 가지고 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]We trained and evaluated small Infini-Transformer models on PG19 (Rae et al., 2019) and Arxiv-math (Wu et al., 2022) benchmarks. Our setup closely resembles that of Memorizing Transformers (Wu et al., 2022). Namely, all our models have 12 layers and 8 attention heads of dimension 128 each and FFNs with hidden layer 4096. [|assistant|]

도출은 부록 A.2에 나와 있습니다. 방정식 6은 Bradley-Terry 모델을 사용하지만, 부록 A.3에 나와 있는 것처럼 더 일반적인 Plackett-Luce 모델[30; 21] 하에서도 유사하게 식을 도출할 수 있습니다.[|endofturn|]

도출은 부록 A.2에 나와 있습니다. 방정식 6은 브래들리-테리 모델을 사용하지만, 부록 A.3에 나와 있는 것처럼 더 일반적인 플라켓-루스 모델[30; 21] 하에서도 유사하게 식을 도출할 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]The derivation is in Appendix A.2. While Eq. 6 uses the Bradley-Terry model, we can similarly derive expressions under the more general Plackett-Luce models [30; 21], shown in Appendix A.3. [|assistant|]

이 연구에서는 인기가 없는 지식에 초점을 맞춰 RAG와 FT의 효과를 비교 분석했습니다. 그 결과 Fine-tuning이 모든 엔티티에서 일관된 성능 향상을 가져오며, 가장 인기 있는 카테고리와 가장 인기 없는 카테고리에서 가장 큰 성능 향상을 가져온다는 사실을 발견했습니다. 특히 Fine-tuning과 함께 사용할 경우 RAG가 더 효과적인 전략으로 돋보이는 것으로 나타났습니다. 그러나 이러한 장점은 더 큰 모델에서 감소합니다. 또한 Retrieval 및 데이터 증강 모델의 성능이 향상되면 두 가지 전략 모두의 성공률이 향상되는 것으로 관찰되었습니다. 합성 데이터 품질의 중요성을 이해하고 향후 작업은 데이터 생성을 위한 효과적인 방법을 개발하는 데 중점을 둘 것입니다.[|endofturn|]

이 연구에서는 인기가 없는 지식에 초점을 맞춰 RAG와 FT의 효과를 비교 분석했습니다. 그 결과 FT가 모든 엔티티에서 일관된 성능 향상을 가져오며, 가장 인기 있는 카테고리와 가장 인기 없는 카테고리에서 가장 큰 성능 향상을 가져온다는 사실을 발견했습니다. 특히 미세 조정과 함께 사용할 경우 RAG가 더 효과적인 전략으로 돋보이는 것으로 나타났습니다. 그러나 이러한 장점은 더 큰 모델에서 감소합니다. 또한 검색 및 데이터 증강 모델의 성능이 향상되면 두 가지 전략 모두의 성공률이 향상되는 것으로 관찰되었습니다. 합성 데이터 품질의 중요성을 이해하고 향후 작업은 데이터 생성을 위한 효과적인 방법을 개발하는 데 중점을 둘 것입니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]In this study, we performed a comparative analysis to evaluate the effectiveness of RAG versus FT, with a focus on less popular knowledge. Our results reveal that FT leads to consistent performance improvements for all entities, with the most notable gains seen in the most and least popular categories. We found that RAG stands out as a more effective strategy, especially when used in combination with fine-tuning. This advantage decreases however in larger models. Additionally, we observed that the success of both RAG and FT strategies improves with the enhancement of the retrieval and data augmentation models' performance. Understanding the critical importance of synthetic data quality, future work will focus on developing an effective method for data creation. [|assistant|]

CQIA-Subset에서 Fine-tuning한 후 다양한 파라미터 크기를 가진 다양한 기본 모델의 성능을 조사합니다. 특히, Yi-6B는 파라미터 크기가 최소 두 배 이상 큰 \(\mathtt{Qwen}\)-14B 및 InternLM-20B를 능가합니다. 또한 Yi-34B는 C-Eval 및 CMMLU 벤치마크 모두에서 \(\mathtt{Qwen}\)-72B와 비슷한 결과를 얻었습니다. 이 관찰 결과는 모델 크기, 아키텍처 최적화 및 훈련 방법론 간의 균형을 강조합니다. Scaling law에 따르면 더 큰 모델은 언어 이해 능력이 향상되어 본질적으로 더 나은 성능을 발휘할 수 있지만, 우리의 결과는 항상 그런 것은 아니라는 것을 나타냅니다.[|endofturn|]

CQIA-Subset에서 미세 조정한 후 다양한 파라미터 크기를 가진 다양한 기본 모델의 성능을 조사합니다. 특히, Yi-6B는 파라미터 크기가 최소 두 배 이상 큰 \(\mathtt{Qwen}\)-14B 및 InternLM-20B를 능가합니다. 또한 Yi-34B는 C-Eval 및 CMMLU 벤치마크 모두에서 \(\mathtt{Qwen}\)-72B와 비슷한 결과를 얻었습니다. 이 관찰 결과는 모델 크기, 아키텍처 최적화 및 훈련 방법론 간의 균형을 강조합니다. 스케일링 법칙에 따르면 더 큰 모델은 언어 이해 능력이 향상되어 본질적으로 더 나은 성능을 발휘할 수 있지만, 우리의 결과는 항상 그런 것은 아니라는 것을 나타냅니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]We investigate the performance of different base model with varying parameter sizes after fine-tuned on our CQIA-Subset. Notably, Yi-6B surpasses \(\mathtt{Qwen}\)-14B and InternLM-20B, which have at least twice its parameter size. Further, Yi-34B achieved comparable results to \(\mathtt{Qwen}\)-72B in both C-Eval and CMMLU benchmarks. This observervation underscores the balance between model size, architectural optimizations, and training methodologies. While the scaling law might suggest that larger models inherently perform better due to their increased language understanding capacity, our results indicate that this is not always the case. [|assistant|]

참조 모델 훈련수학적 참조 모델을 훈련하기 위해 0.5B의 고품질 수학 관련 토큰으로 구성된 데이터 세트를 수집했습니다. 이 데이터 세트는 GPT(Yu et al., 2024; Huang et al., 2024)의 합성 데이터와 수동으로 큐레이션된 데이터(Yue et al., 2024; Ni et al., 2024)가 혼합된 것입니다. 일반 참조 모델의 경우, Tulu-v2(Ivison et al., 2023) 및 OpenHermes-2.5(Teknium, 2023)와 같은 오픈 소스 데이터 세트에서 1.9B 토큰으로 구성된 코퍼스를 컴파일했습니다. 참조 모델은 3회에 걸쳐 학습했습니다. 최대 Learning Rate는 1B 모델의 경우 5e-5, 7B 모델의 경우 1e-5로 설정하고 cosine decay schedule을 적용했습니다. 최대 시퀀스 길이는 1B 모델의 경우 2048, 7B 모델의 경우 4096으로 설정하고 모델 입력에 대해 여러 샘플을 이 길이로 패킹했습니다. 모든 주요 실험에서 지속적 사전 학습 모델과 참조 모델을 _동일한_ 기본 모델로 초기화했습니다.[|endofturn|]

참조 모델 훈련수학적 참조 모델을 훈련하기 위해 0.5B의 고품질 수학 관련 토큰으로 구성된 데이터 세트를 수집했습니다. 이 데이터 세트는 GPT(Yu et al., 2024; Huang et al., 2024)의 합성 데이터와 수동으로 큐레이션된 데이터(Yue et al., 2024; Ni et al., 2024)가 혼합된 것입니다. 일반 참조 모델의 경우, Tulu-v2(Ivison et al., 2023) 및 OpenHermes-2.5(Teknium, 2023)와 같은 오픈 소스 데이터 세트에서 1.9B 토큰으로 구성된 코퍼스를 컴파일했습니다. 참조 모델은 3회에 걸쳐 학습했습니다. 최대 학습 속도는 1B 모델의 경우 5e-5, 7B 모델의 경우 1e-5로 설정하고 코사인 감쇠 스케줄을 적용했습니다. 최대 시퀀스 길이는 1B 모델의 경우 2048, 7B 모델의 경우 4096으로 설정하고 모델 입력에 대해 여러 샘플을 이 길이로 패킹했습니다. 모든 주요 실험에서 지속적 사전 학습 모델과 참조 모델을 _동일한_ 기본 모델로 초기화했습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Reference Model TrainingTo train our mathematical reference model, we gathered a dataset of 0.5B high-quality, math-related tokens. This dataset is a blend of synthetic data from GPT (Yu et al., 2024; Huang et al., 2024) and manually curated data (Yue et al., 2024; Ni et al., 2024). For the general reference model, we compiled a corpus of 1.9B tokens from open-source datasets, such as Tulu-v2 (Ivison et al., 2023) and OpenHermes-2.5 (Teknium, 2023). We trained the reference models for 3 epochs. The maximum learning rate was set at 5e-5 for 1B models and 1e-5 for 7B models, applying a cosine decay schedule. We set the maximum sequence lengths to 2048 for 1B models and 4096 for 7B models, packing multiple samples into these lengths for model input. In all main experiments, we initialized the continual pretraining model and the reference model with the _same_ base model. [|assistant|]

소스 데이터 세트의 크기에 자연적인 한계가 있습니다. 데이터가 부족하면 어떻게 되나요? Hernandez 등[19]은 훈련 데이터에서 반복되는 데이터 포인트의 불균형한 부작용을 발견하고 분석했습니다. 마찬가지로, 우리의 작업과 동시에 Muennighoff 등[37]은 C4의 무작위 하위 집합을 4회 이상 epoching할 때 test loss가 악화되는 것을 보여줍니다. 이 섹션에서는 이러한 제한된 데이터, multi-epoch 설정에서 D4 사용이 모델 성능에 어떤 영향을 미치는지 조사합니다.[|endofturn|]

소스 데이터 세트의 크기에 자연적인 한계가 있습니다. 데이터가 부족하면 어떻게 되나요? Hernandez 등[19]은 훈련 데이터에서 반복되는 데이터 포인트의 불균형한 부작용을 발견하고 분석했습니다. 마찬가지로, 우리의 작업과 동시에 Muennighoff 등[37]은 C4의 무작위 하위 집합을 4회 이상 이포칭할 때 테스트 손실이 악화되는 것을 보여줍니다. 이 섹션에서는 이러한 제한된 데이터, 다중 에포크 설정에서 D4 사용이 모델 성능에 어떤 영향을 미치는지 조사합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]natural limit to the size of the source dataset. What happens when we run out of data? Hernandez et al. [19] found and analyzed disproportionately adverse effects of repeated data points in the training data. Similarly, concurrently to our work Muennighoff et al. [37] shows that test loss deteriorates when epoching over a random subset of C4 more than four times. In this section, we investigate how the use of D4 affects model performance in this limited data, multi-epoch setting. [|assistant|]

**Public API of LLMs**. API는 모델 복사본을 직접 사용하는 대신 일반 사용자가 로컬에서 모델을 실행할 필요 없이 LLM을 더 편리하게 사용할 수 있는 방법을 제공합니다. LLM 사용을 위한 대표적인 인터페이스인 GPT 시리즈 모델용 API[46, 55, 66, 105]는 학계와 업계 모두에서 널리 사용되고 있습니다19. OpenAI는 GPT-3 시리즈 모델에 ada, babbage, curie, davinci(GPT-3 시리즈에서 가장 강력한 버전), text-ada-001, text-babbbage-001, text-curie-001 등 7가지 주요 인터페이스를 제공했습니다. 이 중 처음 네 가지 인터페이스는 OpenAI의 호스트 서버에서 추가로 Fine-tuning할 수 있습니다. 특히, babbage, curie, davinci는 각각 GPT-3(1B), GPT-3(6.7B), GPT-3(175B) 모델에 해당합니다[55]. 또한 Codex[105]와 관련된 두 가지 API, 즉 code-cushman-001(Codex(12B[105])의 강력하고 다국어 버전)과 code-davinci-002가 있습니다. 또한 GPT-3.5 시리즈에는 기본 모델인 code-davinci-002와 세 가지 향상된 버전인 text-davinci-002, text-davinci-003, gpt-3.5-turbo가 포함되어 있습니다. 더 강력한 대안으로 올해 OpenAI는 gpt-4, gpt-4-32k, gpt-4-1106-preview(_즉, GPT-4 Turbo) 및 gpt-4-vision-preview(_즉, 시각 기능이 있는 GPT-4 Turbo, 멀티모달 모델) 등 GPT-4 시리즈의 모델 인터페이스를 출시했습니다. 주목할 점은 OpenAI가 이러한 모델 인터페이스(gpt-3.5-turbo, gpt-4, gpt-4-32k)를 유지 관리하고 업그레이드하고 있으므로 API 이름은 실제로 최신 버전을 가리킬 것이라는 점입니다. 현재 ChatGPT는 GPT-3.5 또는 GPT-4 모델로 구동할 수 있습니다. 전반적으로 특정 애플리케이션 시나리오와 응답 요구 사항에 따라 적합한 모델 인터페이스를 선택해야 합니다. 자세한 사용법은 프로젝트 웹사이트20에서 확인할 수 있습니다.[|endofturn|]

**LLM의 공용 API**. API는 모델 복사본을 직접 사용하는 대신 일반 사용자가 로컬에서 모델을 실행할 필요 없이 LLM을 더 편리하게 사용할 수 있는 방법을 제공합니다. LLM 사용을 위한 대표적인 인터페이스인 GPT 시리즈 모델용 API[46, 55, 66, 105]는 학계와 업계 모두에서 널리 사용되고 있습니다19. OpenAI는 GPT-3 시리즈 모델에 아다, 바비지, 큐리, 다빈치(GPT-3 시리즈에서 가장 강력한 버전), 텍스트-아다-001, 텍스트-바비지-001, 텍스트-큐리-001 등 7가지 주요 인터페이스를 제공했습니다. 이 중 처음 네 가지 인터페이스는 OpenAI의 호스트 서버에서 추가로 미세 조정할 수 있습니다. 특히, babbage, curie, davinci는 각각 GPT-3(1B), GPT-3(6.7B), GPT-3(175B) 모델에 해당합니다[55]. 또한 코덱스[105]와 관련된 두 가지 API, 즉 code-cushman-001(코덱스(12B[105])의 강력하고 다국어 버전)과 code-davinci-002가 있습니다. 또한 GPT-3.5 시리즈에는 기본 모델인 code-davinci-002와 세 가지 향상된 버전인 text-davinci-002, text-davinci-003, gpt-3.5-turbo가 포함되어 있습니다. 더 강력한 대안으로 올해 OpenAI는 gpt-4, gpt-4-32k, gpt-4-1106-preview(_즉, GPT-4 터보) 및 gpt-4-vision-preview(_즉, 시각 기능이 있는 GPT-4 터보, 멀티모달 모델) 등 GPT-4 시리즈의 모델 인터페이스를 출시했습니다. 주목할 점은 OpenAI가 이러한 모델 인터페이스(gpt-3.5-turbo, gpt-4, gpt-4-32k)를 유지 관리하고 업그레이드하고 있으므로 API 이름은 실제로 최신 버전을 가리킬 것이라는 점입니다. 현재 ChatGPT는 GPT-3.5 또는 GPT-4 모델로 구동할 수 있습니다. 전반적으로 특정 애플리케이션 시나리오와 응답 요구 사항에 따라 적합한 모델 인터페이스를 선택해야 합니다. 자세한 사용법은 프로젝트 웹사이트20에서 확인할 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**Public API of LLMs**. Instead of directly using the model copies, APIs provide a more convenient way for common users to use LLMs, without the need of running the model locally. As a representative interface for using LLMs, the APIs for the GPT-series models [46, 55, 66, 105] have been widely used for both academia and industry19. OpenAI has provided seven major interfaces to the models in GPT-3 series: ada, babbage, curie, davinci (the most powerful version in GPT-3 series), text-ada-001, text-babbbage-001, and text-curie-001. Among them, the first four interfaces can be further fine-tuned on the host server of OpenAI. In particular, babbage, curie, and davinci correspond to the GPT-3 (1B), GPT-3 (6.7B), and GPT-3 (175B) models, respectively [55]. In addition, there are also two APIs related to Codex [105], called code-cushman-001 (a powerful and multilingual version of the Codex (12B [105]) and code-davinci-002. Further, GPT-3.5 series include one base model code-davinci-002 and three enhanced versions, namely text-davinci-002, text-davinci-003, and gpt-3.5-turbo. As more powerful alternatives, in this year, OpenAI has released the model interfaces for GPT-4 series, including gpt-4, gpt-4-32k, gpt-4-1106-preview (_i.e._, GPT-4 Turbo) and gpt-4-vision-preview (_i.e._, GPT-4 Turbo with vision, a multimodal model). It is worth noting that OpenAI has been maintaining and upgrading these model interfaces (gpt-3.5-turbo, gpt-4, gpt-4-32k), so the API name will actually point to the latest version. Currently, ChatGPT can be powered by either GPT-3.5 or GPT-4 models. Overall, one select the suitable model interface based on the specific application scenarios and response requirements. The detailed usage can be found on their project websites20. [|assistant|]

위에서 설명한 전략은 전체 선택 비율이 \(R=R_{dedup}*R_{proto}\)이며, 데이터의 분포를 로컬 및 글로벌 수준에서 다양화하고자 합니다. 이 방법을 _Document De-Duplication and Diversification_의 약자인 **D4**라고 부릅니다. 이 작업에서는 \(R_{dedup}=0.75\)를 선택하고 \(R_{proto}\)를 변경합니다(이 선택에 대해서는 섹션 A.1에서 설명합니다). 섹션 4에서는 D4의 성능을 baseline 훈련 및 기타 방법과 비교하고, 섹션 4.4에서는 D4를 분석하여 의미론적 중복 제거 후 재클러스터링이 중복으로 인한 클러스터의 영향을 실제로 감소시키는 것을 보여줍니다(그림 7 참조).[|endofturn|]

위에서 설명한 전략은 전체 선택 비율이 \(R=R_{dedup}*R_{proto}\)이며, 데이터의 분포를 로컬 및 글로벌 수준에서 다양화하고자 합니다. 이 방법을 _문서 중복 제거 및 다양화_의 약자인 **D4**라고 부릅니다. 이 작업에서는 \(R_{dedup}=0.75\)를 선택하고 \(R_{proto}\)를 변경합니다(이 선택에 대해서는 섹션 A.1에서 설명합니다). 섹션 4에서는 D4의 성능을 기본 훈련 및 기타 방법과 비교하고, 섹션 4.4에서는 D4를 분석하여 의미론적 중복 제거 후 재클러스터링이 중복으로 인한 클러스터의 영향을 실제로 감소시키는 것을 보여줍니다(그림 7 참조).[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]The above-described strategy has an overall selection ratio of \(R=R_{dedup}*R_{proto}\) and intends to diversify the distribution of our data locally and globally. For brevity we refer to this method as **D4**, a shorthand for _Document De-Duplication and Diversification_. Throughout this work, we choose \(R_{dedup}=0.75\) and vary \(R_{proto}\) (we discuss this choice in Section A.1). In Section 4, we compare the performance of D4 to baseline training and other methods, and in Section 4.4 we analyze D4 and show that reclustering after semantic de-duplication indeed reduces the impact of duplicate-driven clusters (see Figure 7). [|assistant|]

리터럴 분석과 수치 검증을 통해 state-space models가 기하급수적으로 감소하는 메모리 문제를 근본적으로 해결하지 못한다는 결론을 내렸습니다. Samsami 외[169]는 장기 메모리와 장기 크레딧을 향상시키기 위해 R2I라는 방법을 제안하여 일련의 state-space models를 모델 기반 Reinforcement Learning (MBRL) 에이전트의 월드 모델에 통합함으로써 기존 MBRL 에이전트가 행동과 결과 사이의 장기 간격을 처리할 수 없었던 문제를 해결했습니다. 실험 결과, R2I는 메모리 및 크레딧 할당 RL 작업에서 최첨단 성능을 달성하는 동시에 더 빠른 수렴 속도를 보여주었습니다. Black-Mamba[167]는 mixture-of-experts (MoE)와 SSM을 병합하여 추론 비용을 크게 줄여 효율적이고 확장 가능한 텍스트 생성 작업의 토대를 마련했습니다. MambaByte[166]는 원시 바이트에서 직접 학습하도록 설계된 토큰 프리 셀렉티브 State Space Model로, 순환적 특성으로 인해 빠른 텍스트 생성이 가능하며 대규모 모델에 대한 실용성을 강조하고 토큰 프리 언어 모델링의 향후 발전을 위한 토대를 마련했습니다. Self pretraining (SPT) [192]은 처음부터 긴 시퀀스 모델을 비교하는 기존 접근 방식에 도전하여 데이터 기반 선험으로 사전 학습하면 성능 평가가 크게 달라진다는 사실을 밝혀냈습니다. 이 연구는 사전 학습을 활용하여 다양한 아키텍처에서 상당한 개선을 달성하여 Transformers와 SSM 간의 성능 격차를 해소하고 심지어 작업에서 이전 SSM 결과를 능가했습니다. Laughing Hyena Distillery[161]는 품질 손실 없이 사전 학습된 긴 컨볼루션 시퀀스 모델에서 컴팩트한 state-space models를 추출하고, 합리적 함수 근사 및 모델 다운스케일링 기술을 활용하여 컨볼루션 레이어에서 저차원 state-space models를 추출하며, 일정한 메모리와 일정한 시간 복잡도로 자동화된 회귀 생성을 달성하는 새로운 증류 방법인 Laughing Hyena를 제안합니다. Improved Hyena는 사전 학습 품질을 개선하고 채널 간 헤드에 필터 가중치를 바인딩하여 증류할 필터 수를 줄입니다.[|endofturn|]

리터럴 분석과 수치 검증을 통해 상태 공간 모델이 기하급수적으로 감소하는 메모리 문제를 근본적으로 해결하지 못한다는 결론을 내렸습니다. Samsami 외[169]는 장기 메모리와 장기 크레딧을 향상시키기 위해 R2I라는 방법을 제안하여 일련의 상태 공간 모델을 모델 기반 강화 학습(MBRL) 에이전트의 월드 모델에 통합함으로써 기존 MBRL 에이전트가 행동과 결과 사이의 장기 간격을 처리할 수 없었던 문제를 해결했습니다. 실험 결과, R2I는 메모리 및 크레딧 할당 RL 작업에서 최첨단 성능을 달성하는 동시에 더 빠른 수렴 속도를 보여주었습니다. 블랙맘바[167]는 혼합전문가(MoE)와 SSM을 병합하여 추론 비용을 크게 줄여 효율적이고 확장 가능한 텍스트 생성 작업의 토대를 마련했습니다. 맘바바이트[166]는 원시 바이트에서 직접 학습하도록 설계된 토큰 프리 셀렉티브 상태 공간 모델로, 순환적 특성으로 인해 빠른 텍스트 생성이 가능하며 대규모 모델에 대한 실용성을 강조하고 토큰 프리 언어 모델링의 향후 발전을 위한 토대를 마련했습니다. 셀프 프리트레이닝(SPT) [192]은 처음부터 긴 시퀀스 모델을 비교하는 기존 접근 방식에 도전하여 데이터 기반 선험으로 사전 학습하면 성능 평가가 크게 달라진다는 사실을 밝혀냈습니다. 이 연구는 사전 학습을 활용하여 다양한 아키텍처에서 상당한 개선을 달성하여 트랜스포머와 SSM 간의 성능 격차를 해소하고 심지어 작업에서 이전 SSM 결과를 능가했습니다. 웃는 하이에나 증류소[161]는 품질 손실 없이 사전 학습된 긴 컨볼루션 시퀀스 모델에서 컴팩트한 상태 공간 모델을 추출하고, 합리적 함수 근사 및 모델 다운스케일링 기술을 활용하여 컨볼루션 레이어에서 저차원 상태 공간 모델을 추출하며, 일정한 메모리와 일정한 시간 복잡도로 자동화된 회귀 생성을 달성하는 새로운 증류 방법인 웃는 하이에나를 제안합니다. 개선된 하이에나는 사전 학습 품질을 개선하고 채널 간 헤드에 필터 가중치를 바인딩하여 증류할 필터 수를 줄입니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]retical analysis and numerical verification, it is concluded that state-space models do not fundamentally address the issue of exponential decaying memory. Samsami et al. [169] propose a method named R2I to enhance long-term memory and long-term credit, which integrates a set of state-space models into the world model of model-based reinforcement learning (MBRL) agents, thereby solving the issue that existing MBRL agents were unable to deal with the long-term intervals between actions and outcomes. Experimental results demonstrated that R2I achieved state-of-the-art performance in memory and credit assignment RL tasks, while also exhibiting faster convergence speed. Black-Mamba [167] merging SSMs with mixture-of-experts (MoE) significantly reduces inference costs, paving the way for efficient and scalable text generation tasks. MambaByte [166] is a token-free selective State Space Model designed for learning directly from raw bytes and its recurrent nature enables fast text generation, highlighting its practicality for large-scale models and paving the way for future developments in token-free language modeling. Self pretraining (SPT) [192] challenges the conventional approach of comparing long-sequence models from scratch, revealing that pre-training with data-driven priors significantly alters performance evaluations. By leveraging pre-training, the research achieves substantial improvements across various architectures, closing the performance gap between Transformers and SSMs and even surpassing previous SSM results on tasks. Laughing Hyena Distillery [161] proposes Laughing Hyena, a new distillation method that extracts compact state-space models from pre-trained long convolutional sequence models without loss of quality, utilizes rational function approximation and model downscaling techniques to extract low-dimensional state-space models in the convolutional layers, and achieves automated regression generation with constant memory and constant time complexity. Improved Hyena improves pre-training quality and reduces the number of filters to be distilled by binding filter weights to heads across channels. [|assistant|]

이렇게 하면 언어 모델이 학습하는 데 가장 유익하다고 간주되는 토큰에만 Loss가 적용됩니다. 실제로 토큰 선택은 초과 Loss에 따라 배치의 토큰을 순위화하고 상위 \(k\%\)의 토큰만 학습에 사용하는 방식으로 구현할 수 있습니다.[|endofturn|]

이렇게 하면 언어 모델이 학습하는 데 가장 유익하다고 간주되는 토큰에만 손실이 적용됩니다. 실제로 토큰 선택은 초과 손실에 따라 배치의 토큰을 순위화하고 상위 \(k\%\)의 토큰만 학습에 사용하는 방식으로 구현할 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]This ensures that the loss is applied only to the tokens that are deemed most beneficial for the language model to learn from. In practice, token selection can be implemented by ranking the tokens in a batch according to their excess loss and using only the top \(k\%\) of tokens for training. [|assistant|]

그림 3에서 알 수 있듯이, 작은 모델을 제외하고 LLaMA, Mistral, GPT2\({}_{0}\), GPT2\({}_{1/4}\) 아키텍처는 1000회 노출 이상에서 GPT2의 scaling law를 면밀히 따릅니다. 매개변수가 \(\leq 10M\)인 작은 모델의 경우 모델 가중치를 묶으면 용량이 증가합니다(그림 3(c) 참조). 이는 _2bit/param 용량 비율이 대부분의 일반적인 (decoder-only) 언어 모델 아키텍처에서 비교적 보편적인 법칙임을 나타냅니다.[|endofturn|]

그림 3에서 알 수 있듯이, 작은 모델을 제외하고 LLaMA, Mistral, GPT2\({}_{0}\), GPT2\({}_{1/4}\) 아키텍처는 1000회 노출 이상에서 GPT2의 스케일링 법칙을 면밀히 따릅니다. 매개변수가 \(\leq 10M\)인 작은 모델의 경우 모델 가중치를 묶으면 용량이 증가합니다(그림 3(c) 참조). 이는 _2비트/파라미터 용량 비율이 대부분의 일반적인(디코더 전용) 언어 모델 아키텍처에서 비교적 보편적인 법칙임을 나타냅니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]From Figure 3, it is evident that, except for tiny models, LLaMA, Mistral, GPT2\({}_{0}\), and GPT2\({}_{1/4}\) architectures closely follow GPT2's scaling law over 1000 exposures. For tiny models with \(\leq 10M\) parameters, tying model weights increases their capacity (refer to Figure 3(c)). This indicates that the _2bit/param capacity ratio is a relatively universal law_ among most typical (decoder-only) language model architectures. [|assistant|]

2021)은 사전 학습된 더 큰 모델에서 더 작은 모델로 데이터를 전송하는 것으로, 종종 embedded matching과 같은 방법을 사용합니다. 기술이 발전함에 따라 LMs을 사용한 데이터 증류에 대한 연구도 진행되었습니다.[|endofturn|]

2021)은 사전 학습된 더 큰 모델에서 더 작은 모델로 데이터를 전송하는 것으로, 종종 임베디드 매칭과 같은 방법을 사용합니다. 기술이 발전함에 따라 LM을 사용한 데이터 증류에 대한 연구도 진행되었습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]2021) involves transferring data from a pre-trained, larger model to a smaller one, often using methods such as embedded matching. Research has even been conducted on data distillation using LMs as the technology has evolved. [|assistant|]

DPO의 reward/KL tradeoff는 PPO를 엄격하게 지배합니다. 둘째, DPO는 PPO보다 더 나은 프론티어를 달성합니다(PPO-GT).[|endofturn|]

DPO의 보상/KL 트레이드오프는 PPO를 엄격하게 지배합니다. 둘째, DPO는 PPO보다 더 나은 프론티어를 달성합니다(PPO-GT).[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]DPO's reward/KL tradeoff strictly dominates PPO. Second, DPO achieves a better frontier than PPO, _even when PPO can access ground truth rewards_ (PPO-GT). [|assistant|]

꼬리 좁히기. 그림 2(Llama2의 경우)는 꼬리 절단 외에도 AI 생성 중에 꼬리 좁힘 효과가 발생한다는 것을 보여줍니다. 이의 한 가지 메커니즘은 다음 토큰 예측 중 온도 하락입니다. i번째 토큰에 대한 로짓 \(z_{i}\)에 softmax 분포를 가정합니다: \(p_{i}=e^{z_{i}}/\sum_{j}e^{z_{j}}\). 일반적인 온도 \(T\)에 대해 \(q_{i}^{T}=e^{z_{i}/T}/\sum_{j}e^{z_{j}/T}\)를 정의합니다. 그러면 \(p_{i}\asymp i^{-\beta}\)는 \(q_{i}^{T}\asymp i^{-\beta/T}\)로 변형됩니다(첫 번째 순서로). 온도 scaling은 \(T>1\)의 경우 꼬리의 좁아짐을 직접적으로 유발한다는 것을 알 수 있습니다. 예를 들어, perplexity가 있는 autoregressive 모델의 경우 토큰별 꼬리 절단이 시퀀스 perplexity에 대한 꼬리 좁힘을 초래할 수 있습니다(그림 35 및 부록 I의 토론 참조).[|endofturn|]

꼬리 좁히기.그림 2(Llama2의 경우)는 꼬리 절단 외에도 AI 생성 중에 꼬리 좁힘 효과가 발생한다는 것을 보여줍니다. 이의 한 가지 메커니즘은 다음 토큰 예측 중 온도 하락입니다. i번째 토큰에 대한 로짓 \(z_{i}\)에 소프트맥스 분포를 가정합니다: \(p_{i}=e^{z_{i}}/\sum_{j}e^{z_{j}}\). 일반적인 온도 \(T\)에 대해 \(q_{i}^{T}=e^{z_{i}/T}/\sum_{j}e^{z_{j}/T}\)를 정의합니다. 그러면 \(p_{i}\asymp i^{-\beta}\)는 \(q_{i}^{T}\asymp i^{-\beta/T}\)로 변형됩니다(첫 번째 순서로). 온도 스케일링은 \(T>1\)의 경우 꼬리의 좁아짐을 직접적으로 유발한다는 것을 알 수 있습니다. 예를 들어, 당혹감이 있는 자동 회귀 모델의 경우 토큰별 꼬리 절단이 시퀀스 당혹감에 대한 꼬리 좁힘을 초래할 수 있습니다(그림 35 및 부록 I의 토론 참조).[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Tail Narrowing.Figure 2 (for Llama2) shows that in addition to tail cutting, tail narrowing effects happen during AI-generation. One mechanism for this is lowered temperature during next-token prediction. Assume a softmax distribution on the logits \(z_{i}\) for the \(i\)th token: \(p_{i}=e^{z_{i}}/\sum_{j}e^{z_{j}}\). Define \(q_{i}^{T}=e^{z_{i}/T}/\sum_{j}e^{z_{j}/T}\) for general temperature \(T\). Then \(p_{i}\asymp i^{-\beta}\) morphs into \(q_{i}^{T}\asymp i^{-\beta/T}\) (to first order). We see that temperature scaling directly causes narrowing of tail for \(T>1\). Other mechanisms can come to play: for instance, for autoregressive models with perplexity, token-wise tail cutting can result in tail narrowing for sequence-perplexity (see Figure 35 and discussion in Appendix I). [|assistant|]

그림 4: 질문에서 주어 개체의 인기도와 질문에 대한 FlanT5-base 및 FlanT5-large의 성능에 대한 Retrieval-augmented generation (RAG) 및 Fine-tuning의 영향 간의 상관관계.[|endofturn|]

그림 4: 질문에서 주어 개체의 인기도와 질문에 대한 FlanT5-base 및 FlanT5-large의 성능에 대한 RAG 및 FT의 영향 간의 상관관계.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Figure 4: Correlation between the popularity of the subject entity in a question and the impact of RAG and FT on the performance of FlanT5-base and FlanT5-large in QA. [|assistant|]

방정식 2를 풀면 C4 전용 위험이 최소화되지 않으므로 C4에서 \(\theta_{\mathcal{C}4}\)와 \(\theta_{\mathbf{WRAP}}\)를 비교하는 것은 불공정합니다. C4와 그 합성 문구로 학습된 모델을 의미 있게 비교하기 위해 Pile의 21개의 서로 다른 도메인(Gao et al., 2020)에 대한 generalization 능력을 평가합니다. 각 도메인에 대한 결과는 그림 2에 나와 있습니다.[|endofturn|]

방정식 2를 풀면 C4 전용 위험이 최소화되지 않으므로 C4에서 \(\theta_{\mathcal{C}4}\)와 \(\theta_{\mathbf{WRAP}}\)를 비교하는 것은 불공정합니다. C4와 그 합성 문구로 학습된 모델을 의미 있게 비교하기 위해 Pile의 21개의 서로 다른 도메인(Gao et al., 2020)에 대한 일반화 능력을 평가합니다. 각 도메인에 대한 결과는 그림 2에 나와 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Solving for equation 2 does not minimize the risk over C4-only, and hence it is unfair to compare \(\theta_{\mathcal{C}4}\) and \(\theta_{\mathbf{WRAP}}\) on the C4. For meaningfully comparing models trained on the C4 and on its synthetic rephrases, we evaluate their generalization capability on 21 different domains of the Pile (Gao et al., 2020). Results for each domain are presented in Figure 2. [|assistant|]

기본 LLM PaLM 2 [10]를 기반으로 구축된 AMIE는 의료 대화 및 추론 기능을 향상시키기 위해 Instruction Fine-tuning을 거쳤습니다. 기본 LLM 아키텍처에 대한 자세한 내용은 PaLM-2 기술 보고서를 참조하세요.[|endofturn|]

기본 LLM PaLM 2 [10]를 기반으로 구축된 AMIE는 의료 대화 및 추론 기능을 향상시키기 위해 명령 미세 조정을 거쳤습니다. 기본 LLM 아키텍처에 대한 자세한 내용은 PaLM-2 기술 보고서를 참조하세요.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]AMIE, built upon the base LLM PaLM 2 [10], was instruction fine-tuned to enhance its capabilities for medical dialogue and reasoning. We refer to the PaLM-2 technical report for more details on the base LLM architecture. [|assistant|]

중복 제거. Deduplication은 데이터 집합에서 반복되는 추출 및 문서를 제거하는 것으로, 모든 문자에서 정확히 일치하거나 일부 유사성 메트릭에 따라 근사치 일치할 수 있습니다. 정확한 중복의 경우 접미사 배열(Manber and Myers, 1993)을 사용하여 최소 길이의 정확한 하위 문자열을 일치시키는 것이 일반적입니다. 퍼지 중복의 경우, Large Language Models (LLMs)의 사전 학습 데이터(Brown et al., 2020; Zeng et al., 2021; Rae et al., 2021)에 MinHash(Broder, 1997) 또는 SimHash(Charikar, 2002)와 같은 로컬 민감 해시를 기반으로 하는 방법이 채택되었습니다. 최근 Abbas et al. (2023)은 사전 학습된 모델의 임베딩을 활용하여 대략적인 일치 알고리즘에 의미론적 이해를 부여할 것을 제안했습니다. Deduplication은 언어 모델을 개선하는 데 중요한 역할을 하는 것으로 확인되었습니다(Allamanis, 2019; Lee et al., 2022). 특히, 중복 데이터는 대규모 모델(Carlini et al., 2021)에서 특히 문제가 되는 암기(Carlini et al., 2022)를 줄여줍니다. 또한, 매개변수 수가 증가함에 따라 반복되는 데이터가 모델 품질에 미치는 해로운 영향이 점점 더 커지는 것으로 나타났습니다(Hernandez et al., 2022): 매개변수가 10억 개인 모델의 경우 100개의 중복이 해롭지만, 1750억 개인 모델의 경우 몇 개의 중복만으로도 불균형한 영향을 미칠 수 있습니다. 이 작업과 동시에, Pythia 모델 제품군은 The Pile을 중복 제거하면 zero-shot 성능에 미치는 영향이 제한적이라는 사실을 발견했습니다(Biderman et al., 2023), 이는 Deduplication이 주로 웹 기반 데이터 세트에만 해당되는지 의문을 제기했습니다.[|endofturn|]

중복 제거.중복 제거는 데이터 집합에서 반복되는 추출 및 문서를 제거하는 것으로, 모든 문자에서 정확히 일치하거나 일부 유사성 메트릭에 따라 근사치 일치할 수 있습니다. 정확한 중복의 경우 접미사 배열(Manber and Myers, 1993)을 사용하여 최소 길이의 정확한 하위 문자열을 일치시키는 것이 일반적입니다. 퍼지 중복의 경우, 최대 언어 모델의 사전 학습 데이터(Brown et al., 2020; Zeng et al., 2021; Rae et al., 2021)에 MinHash(Broder, 1997) 또는 SimHash(Charikar, 2002)와 같은 로컬 민감 해시를 기반으로 하는 방법이 채택되었습니다. 최근 Abbas et al. (2023)은 사전 학습된 모델의 임베딩을 활용하여 대략적인 일치 알고리즘에 의미론적 이해를 부여할 것을 제안했습니다. 중복 제거는 언어 모델을 개선하는 데 중요한 역할을 하는 것으로 확인되었습니다(Allamanis, 2019; Lee et al., 2022). 특히, 중복 데이터는 대규모 모델(Carlini et al., 2021)에서 특히 문제가 되는 암기(Carlini et al., 2022)를 줄여줍니다. 또한, 매개변수 수가 증가함에 따라 반복되는 데이터가 모델 품질에 미치는 해로운 영향이 점점 더 커지는 것으로 나타났습니다(Hernandez et al., 2022): 매개변수가 10억 개인 모델의 경우 100개의 중복이 해롭지만, 1750억 개인 모델의 경우 몇 개의 중복만으로도 불균형한 영향을 미칠 수 있습니다. 이 작업과 동시에, Pythia 모델 제품군은 더 많은 파일을 중복 제거하면 제로 샷 성능에 미치는 영향이 제한적이라는 사실을 발견했습니다(Biderman et al., 2023), 이는 중복 제거가 주로 웹 기반 데이터 세트에만 해당되는지 의문을 제기했습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Deduplication.Deduplication removes repeated extracts and documents from a dataset: these could either be exact matches, identical in every character, or approximate matches, based on some similarity metric. For exact duplicates, it is common to match exact substrings of a minimum length using suffix arrays (Manber and Myers, 1993). For fuzzy duplicates, methods based on locally-sensitive hashes such as MinHash (Broder, 1997) or SimHash (Charikar, 2002) have been adopted for the pretraining data of large language models (Brown et al., 2020; Zeng et al., 2021; Rae et al., 2021). Recently, Abbas et al. (2023) has proposed to leverage embeddings from pretrained models to imbune semantic understanding in approximate matching algorithms. Deduplication has been identified as playing a significant role in improving language models (Allamanis, 2019; Lee et al., 2022). Notably, it reduces memorization (Carlini et al., 2022), which is especially problematic in large models (Carlini et al., 2021). Furthermore, repeated data has been shown to be increasingly harmful to model quality as parameter count increases (Hernandez et al., 2022): for a 1B parameters model, a hundred duplicates are harmful; at 175B, even a few duplicates could have a disproportionate effect. Concurrently to this work, the Pythia suite of models found that deduplicating The Pile had a limited impact on zero-shot performance (Biderman et al., 2023), questioning whether deduplication is as relevant for curated corpora as it for predominantly web-based datasets. [|assistant|]

이 섹션에서는 선택한 다학제 중국어 하드 케이스 Instruction 이해의 몇 가지 시연과 CHC-Bench에서 사용되는 다음 문제 세트를 나열합니다. 문제 범주의 구체적인 분류는 표 10에 나와 있습니다.[|endofturn|]

이 섹션에서는 선택한 다학제 중국어 하드 케이스 지시 이해의 몇 가지 시연과 CHC-Bench에서 사용되는 다음 문제 세트를 나열합니다. 문제 범주의 구체적인 분류는 표 10에 나와 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]In this section, we list some demonstrations of our selected multidisciplinary Chinese hard case instruction understanding and the following problem sets that are used in CHC-Bench. The concrete classifications of the problem categories are listed in Table 10. [|assistant|]

생성된 계획을 실행한 후, 환경은 LLM 기반 작업 플래너에 feedback 신호를 생성하여 더 나은 결과를 위해 초기 계획을 구체화하는 데 사용할 수 있습니다. 기존 작업에서는 일반적으로 LLM 기반 작업 플래너와의 관계에 따라 환경에서 feedback의 두 가지 소스, 즉 내부(_즉, LLM 자체)와 외부(_예: 도구 또는 가상 세계) feedback이 있습니다.[|endofturn|]

생성된 계획을 실행한 후, 환경은 LLM 기반 작업 플래너에 피드백 신호를 생성하여 더 나은 결과를 위해 초기 계획을 구체화하는 데 사용할 수 있습니다. 기존 작업에서는 일반적으로 LLM 기반 작업 플래너와의 관계에 따라 환경에서 피드백의 두 가지 소스, 즉 내부(_즉, LLM 자체)와 외부(_예: 도구 또는 가상 세계) 피드백이 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]After executing the generated plan, the environment would produce the feedback signal to the LLM-based task planner, which can be used to refine its initial plan for better results. In existing work, there are typically two sources of feedback from the environment, depending on their relationship with the LLM-based task planner: internal (_i.e.,_ the LLM itself) and external (_e.g.,_ tools or virtual worlds) feedback. [|assistant|]

LLMs는 신경망을 기반으로 하는 대규모 사전 학습된 통계 언어 모델입니다. 최근 LLMs의 성공은 언어 모델의 수십 년에 걸친 연구와 개발이 축적된 것으로, 출발점과 속도가 다른 통계 언어 모델, 신경 언어 모델, 사전 학습된 언어 모델, LLMs의 네 가지 파도로 분류할 수 있습니다.[|endofturn|]

LLM은 신경망을 기반으로 하는 대규모 사전 학습된 통계 언어 모델입니다. 최근 LLM의 성공은 언어 모델의 수십 년에 걸친 연구와 개발이 축적된 것으로, 출발점과 속도가 다른 통계 언어 모델, 신경 언어 모델, 사전 학습된 언어 모델, LLM의 네 가지 파도로 분류할 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]LLMs are large-scale, pre-trained, statistical language models based on neural networks. The recent success of LLMs is an accumulation of decades of research and development of language models, which can be categorized into four waves that have different starting points and velocity: statistical language models, neural language models, pre-trained language models and LLMs. [|assistant|]

탐욕적 검색은 각 단계에서 가장 가능성이 높은 token을 시퀀스의 다음 token으로 선택하고 다른 모든 잠재적 옵션을 무시합니다. 상상할 수 있듯이 이 접근 방식은 간단하지만 시간적 일관성과 일관성을 많이 잃을 수 있습니다. 시퀀스에 대한 전반적인 영향을 고려하지 않고 각 단계에서 가장 가능성이 높은 token만 고려합니다. 이 속성으로 인해 속도가 빠르지만, 약간 덜 가능성이 높은 다음 token으로 나타날 수 있는 더 나은 시퀀스를 놓칠 수도 있습니다.[|endofturn|]

탐욕적 검색은 각 단계에서 가장 가능성이 높은 토큰을 시퀀스의 다음 토큰으로 선택하고 다른 모든 잠재적 옵션을 무시합니다. 상상할 수 있듯이 이 접근 방식은 간단하지만 시간적 일관성과 일관성을 많이 잃을 수 있습니다. 시퀀스에 대한 전반적인 영향을 고려하지 않고 각 단계에서 가장 가능성이 높은 토큰만 고려합니다. 이 속성으로 인해 속도가 빠르지만, 약간 덜 가능성이 높은 다음 토큰으로 나타날 수 있는 더 나은 시퀀스를 놓칠 수도 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Greedy search takes the most probable token at each step as the next token in the sequence, discarding all other potential options. As you can imagine, this is a simple approach and can loose a lot of temporal consistency and coherency. It only considers the most probable token at each step, without considering the overall effect on the sequence. This property makes it fast, but it also means that it can miss out on better sequences that might have appeared with slightly less probable next tokens. [|assistant|]

sDPO의 각 단계의 target model도 마지막 단계의 정렬된 모델인 \(M_{t-1}\)로 초기화됩니다. 이렇게 하면 sDPO의 최종 모델은 DPO의 최종 모델과 동일한 양의 데이터로 학습을 거친 것입니다. 반면, 이러한 설계 선택의 한 가지 우려 사항은 이전 단계에서 이미 감소하는 Learning Rate 일정으로 학습을 거쳤기 때문에 단계가 진행됨에 따라 target model의 학습을 안정화하기가 점점 더 어려워질 수 있다는 것입니다. 따라서 또 다른 옵션은 sDPO의 모든 단계에 대해 초기 SFT 기본 모델 \(S\)를 target model로 사용하는 것입니다.[|endofturn|]

sDPO의 각 단계의 대상 모델도 마지막 단계의 정렬된 모델인 \(M_{t-1}\)로 초기화됩니다. 이렇게 하면 sDPO의 최종 모델은 DPO의 최종 모델과 동일한 양의 데이터로 학습을 거친 것입니다. 반면, 이러한 설계 선택의 한 가지 우려 사항은 이전 단계에서 이미 감소하는 학습 속도 일정으로 학습을 거쳤기 때문에 단계가 진행됨에 따라 대상 모델의 학습을 안정화하기가 점점 더 어려워질 수 있다는 것입니다. 따라서 또 다른 옵션은 sDPO의 모든 단계에 대해 초기 SFT 기본 모델 \(S\)를 대상 모델로 사용하는 것입니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]The target model in each step of sDPO is also initialized with \(M_{t-1}\), the aligned model from the last step. This ensures that the final model in sDPO has undergone training with the same amount of data as the final model in DPO. On the other hand, one concern of such design choice is that it may become increasingly difficult to stabilize the training of the target model as the steps progress, since it has already undergone training with a decreasing learning rate schedule in the preceding steps. Thus, another option is to use the initial SFT base model \(S\) as the target model for all steps of sDPO. [|assistant|]

* 새로운 지식을 포함하는 새로운 언어 모델링 코퍼스에 대한 지속적인 사전 학습을 통해 잊어버린 지식의 양과 얻은 세계 지식의 양을 측정하기 위해 새로운 CL 공식인 지속적 지식 학습(CKL)을 제안하고 새로운 benchmark를 구축합니다. * 문헌에서 CKL의 자연스러운 기준이 되는 LM 아키텍처와 훈련 방법론을 탐색하여 CKL 방법으로 표시하고, CKL benchmark에 대한 광범위한 실험을 수행합니다. 기존 CL 문헌에서와 마찬가지로 regularization, rehearsal, parameter-expansion 방법으로 분류하고, 잊어버린 지식과 업데이트 또는 획득한 지식 간의 트레이드오프를 측정하기 위해 제안한 새로운 metric인 FUAR를 사용하여 각 유형의 방법의 효과를 비교합니다. * 끊임없이 변화하는 LM을 만들기 위해 CKL benchmark에서 광범위한 분석을 수행하고 중요한 과제와 발견을 강조합니다. parameter-expansion 방법은 대부분의 실험에서 가장 우수한 성능을 발휘하지만 메모리 비효율성이라는 한계가 있으며, 지속적인 사전 학습 중에 동일한 데이터를 반복적으로 보는 것은 잊어버림의 중요한 원인입니다.[|endofturn|]

* 새로운 지식을 포함하는 새로운 언어 모델링 코퍼스에 대한 지속적인 사전 학습을 통해 잊어버린 지식의 양과 얻은 세계 지식의 양을 측정하기 위해 새로운 CL 공식인 지속적 지식 학습(CKL)을 제안하고 새로운 벤치마크를 구축합니다. * 문헌에서 CKL의 자연스러운 기준이 되는 LM 아키텍처와 훈련 방법론을 탐색하여 CKL 방법으로 표시하고, CKL 벤치마크에 대한 광범위한 실험을 수행합니다. 기존 CL 문헌에서와 마찬가지로 정규화, 리허설, 파라미터 확장 방법으로 분류하고, 잊어버린 지식과 업데이트 또는 획득한 지식 간의 트레이드오프를 측정하기 위해 제안한 새로운 메트릭인 FUAR를 사용하여 각 유형의 방법의 효과를 비교합니다. * 끊임없이 변화하는 LM을 만들기 위해 CKL 벤치마크에서 광범위한 분석을 수행하고 중요한 과제와 발견을 강조합니다. 파라미터 확장 방법은 대부분의 실험에서 가장 우수한 성능을 발휘하지만 메모리 비효율성이라는 한계가 있으며, 지속적인 사전 학습 중에 동일한 데이터를 반복적으로 보는 것은 잊어버림의 중요한 원인입니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]* We propose a novel CL formulation called Continual Knowledge Learning (CKL) and construct a new benchmark to measure the amount of forgetting and amount of world knowledge gained by continued pretraining on a novel language modeling corpus that we construct, containing new knowledge. * We explore LM architectures and training methodologies that are natural baselines for CKL in literature, denoting them as CKL methods, and performing extensive experiments on our CKL benchmark. We categorize them into regularization, rehearsal, and parameter-expansion methods, same as in traditional CL literature, and compare the effectiveness of each type of method using a novel metric named FUAR that we propose to measure the trade-off between forgotten knowledge and updated or acquired knowledge. * Towards creating an ever-changing LM, we perform extensive analysis in the CKL benchmark and highlight important challenges and findings: parameter-expansion methods have the limitation of memory inefficiency despite performing the best in most of our experiments and seeing the same data repeatedly during continued pretraining is a critical cause of forgetting. [|assistant|]

언어 이해와 텍스트 처리를 위한 인터넷 및 데이터베이스와 같은 도구 사용에 강력한 역량을 보여주었습니다. 이러한 기능을 통해 에이전트는 문서화 및 데이터 관리와 관련된 작업을 탁월하게 수행할 수 있습니다[115, 75, 116]. [115]에서 에이전트는 question answering 및 실험 계획과 같은 작업을 완료하기 위해 인터넷 정보를 효율적으로 쿼리하고 활용할 수 있습니다. ChatMOF [116]은 LLMs을 활용하여 사람이 작성한 텍스트 설명에서 중요한 정보를 추출합니다. 그런 다음 금속-유기체 골격의 특성과 구조를 예측하기 위해 관련 도구를 적용하는 계획을 수립합니다. ChemCrow [75]는 화학 관련 데이터베이스를 활용하여 화합물 표현의 정밀도를 검증하고 잠재적으로 위험한 물질을 식별합니다. 이 기능은 관련 데이터의 정확성을 보장함으로써 과학적 탐구의 신뢰성과 포괄성을 향상시킵니다.[|endofturn|]

언어 이해와 텍스트 처리를 위한 인터넷 및 데이터베이스와 같은 도구 사용에 강력한 역량을 보여주었습니다. 이러한 기능을 통해 에이전트는 문서화 및 데이터 관리와 관련된 작업을 탁월하게 수행할 수 있습니다[115, 75, 116]. [115]에서 에이전트는 질문 답변 및 실험 계획과 같은 작업을 완료하기 위해 인터넷 정보를 효율적으로 쿼리하고 활용할 수 있습니다. ChatMOF [116]은 LLM을 활용하여 사람이 작성한 텍스트 설명에서 중요한 정보를 추출합니다. 그런 다음 금속-유기체 골격의 특성과 구조를 예측하기 위해 관련 도구를 적용하는 계획을 수립합니다. ChemCrow [75]는 화학 관련 데이터베이스를 활용하여 화합물 표현의 정밀도를 검증하고 잠재적으로 위험한 물질을 식별합니다. 이 기능은 관련 데이터의 정확성을 보장함으로써 과학적 탐구의 신뢰성과 포괄성을 향상시킵니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]have shown strong capabilities on language understanding and employing tools such as the internet and databases for text processing. These capabilities empower the agent to excel in tasks related to documentation and data management [115, 75, 116]. In [115], the agent can efficiently query and utilize internet information to complete tasks such as question answering and experiment planning. ChatMOF [116] utilizes LLMs to extract important information from text descriptions written by humans. It then formulates a plan to apply relevant tools for predicting the properties and structures of metal-organic frameworks. ChemCrow [75] utilizes chemistry-related databases to both validate the precision of compound representations and identify potentially dangerous substances. This functionality enhances the reliability and comprehensiveness of scientific inquiries by ensuring the accuracy of the data involved. [|assistant|]

**API.** 로짓 바이어스 API(섹션 5.1)에 두 가지 추가 제한을 두는데, 첫째, \(K=1\)로 설정하고 가장 가능성이 높은 토큰의 logprob만 보게 하고, 둘째, 각 logit bias 항목 \(b\)는 \(\{-1,0\}\)에 제한됩니다. 이러한 제약 조건은 이전 섹션의 공격을 완전히 방지할 수 있습니다. 이 제약 조건은 실제 구현에서 정의하는 것보다 훨씬 더 엄격하다고 생각합니다.[|endofturn|]

**API.** 로짓 바이어스 API(섹션 5.1)에 두 가지 추가 제한을 두는데, 첫째, \(K=1\)로 설정하고 가장 가능성이 높은 토큰의 로그 확률만 보게 하고, 둘째, 각 로그 확률 바이어스 항목 \(b\)는 \(\{-1,0\}\)에 제한됩니다. 이러한 제약 조건은 이전 섹션의 공격을 완전히 방지할 수 있습니다. 이 제약 조건은 실제 구현에서 정의하는 것보다 훨씬 더 엄격하다고 생각합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**API.** We place two following further restrictions on the logit bias API (Section 5.1): first, we set \(K=1\), and only see the most likely token's logprob; and second, each logit bias entry \(b\) is constrained to be in \(\{-1,0\}\). These constraints would completely prevent the attacks from the prior section. We believe this constraint is significantly tighter than any practical implementation would define. [|assistant|]

연구자들이 언어 모델을 학습시켜 추론하거나 추론 능력을 향상시키기 위해 사용한 한 가지 방향은 언어 모델을 채굴된 추론 추적 또는 추론과 유사한 데이터에 대해 학습시키는 것입니다(Rajani et al., 2019; Wei et al., 2021; Lewkowycz et al., 2022; Chung et al., 2022; Gunasekar et al., 2023). 이 접근 방식은 효과적인 것으로 입증되었지만 단점이 있습니다. 이 접근 방식은 수작업으로 주석을 달아야 하며, 이는 주석 작성자의 역량에 민감하고 언어 모델에 대해 off-policy입니다(즉, 추론의 분포는 언어 모델이 생성할 가능성이 높은 텍스트가 아닙니다). 또한 이 접근 방식은 비용이 많이 들고 확장하기 어렵으며 주석 작성자가 해결할 수 있는 문제보다 더 어려운 문제를 해결할 수 있는 명확한 경로를 제공하지 않습니다.[|endofturn|]

연구자들이 언어 모델을 학습시켜 추론하거나 추론 능력을 향상시키기 위해 사용한 한 가지 방향은 언어 모델을 채굴된 추론 추적 또는 추론과 유사한 데이터에 대해 학습시키는 것입니다(Rajani et al., 2019; Wei et al., 2021; Lewkowycz et al., 2022; Chung et al., 2022; Gunasekar et al., 2023). 이 접근 방식은 효과적인 것으로 입증되었지만 단점이 있습니다. 이 접근 방식은 수작업으로 주석을 달아야 하며, 이는 주석 작성자의 역량에 민감하고 언어 모델에 대해 정책에 민감합니다(즉, 추론의 분포는 언어 모델이 생성할 가능성이 높은 텍스트가 아닙니다). 또한 이 접근 방식은 비용이 많이 들고 확장하기 어렵으며 주석 작성자가 해결할 수 있는 문제보다 더 어려운 문제를 해결할 수 있는 명확한 경로를 제공하지 않습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]One direction that researchers have used to train language models to reason or improve their reasoning is training the language model on mined reasoning traces or reasoning-like data (Rajani et al., 2019; Wei et al., 2021; Lewkowycz et al., 2022; Chung et al., 2022; Gunasekar et al., 2023). Although this approach has been demonstrated to be effective, it comes with drawbacks. It requires either manual annotation, which is sensitive to the capability of the annotators and is off-policy for the language model (i.e., the distribution of reasoning is not text that the language model would otherwise likely have generated). This approach is also expensive, difficult to scale, and provides no clear path to solving problems harder than those that the annotators are capable of solving. [|assistant|]

1. _WizardMath 13B_는 GSM8k에서 PaLM 1 540B(63.9 vs 56.5), Minerva 540B(63.9 vs 58.8), GPT-3.5(63.9 vs 57.1)를 능가합니다. 한편, MATH에서는 PaLM 1 540B(14.0 vs 8.8), GPT-3 175B(14.0 vs 5.2)를 능가합니다. 2. 가장 큰 모델인 _WizardMath 70B_는 GSM8k에서 Claude Instant(81.6 vs 80.9), ChatGPT(81.6 vs 80.8), PaLM 2(81.6 vs 80.7)와 우수하거나 비슷한 성능을 달성합니다. 동시에 WizardMath 70B는 MATH 벤치마크에서 Text-davinci-002(22.7 vs 19.1)를 3.6% 포인트 능가했습니다.[|endofturn|]

1. _WizardMath 13B_는 GSM8k에서 PaLM 1 540B(63.9 대 56.5), 미네르바 540B(63.9 대 58.8), GPT-3.5(63.9 대 57.1)를 능가합니다. 한편, MATH에서는 PaLM 1 540B(14.0 대 8.8), GPT-3 175B(14.0 대 5.2)를 능가합니다. 2. 가장 큰 모델인 _WizardMath 70B_는 GSM8k에서 Claude Instant(81.6 대 80.9), ChatGPT(81.6 대 80.8), PaLM 2(81.6 대 80.7)와 우수하거나 비슷한 성능을 달성합니다. 동시에 WizardMath 70B는 MATH 벤치마크에서 Text-davinci-002(22.7 대 19.1)를 3.6% 포인트 능가했습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]1. _WizardMath 13B_ outperforms PaLM 1 540B (63.9 vs 56.5), Minerva 540B (63.9 vs 58.8), and GPT-3.5 (63.9 vs 57.1) on GSM8k. Meanwhile,it surpasses PaLM 1 540B (14.0 vs. 8.8), GPT-3 175B (14.0 vs. 5.2) on MATH. 2. _WizardMath 70B_, our largest model, achieves the superior or comparable performance with Claude Instant (81.6 vs 80.9), ChatGPT (81.6 vs 80.8) and PaLM 2 (81.6 vs 80.7) on GSM8k. Concurrently, WizardMath 70B also exceeds Text-davinci-002 (22.7 vs. 19.1) by a margin of 3.6% on the MATH benchmarks. [|assistant|]

\(\bullet\)_성능이 저조한 특수 생성._ LLM은 일관성 있는 텍스트를 생성하기 위해 일반적인 언어 패턴을 학습했지만, 특수 도메인이나 작업을 처리할 때는 생성 능력이 제한될 수 있습니다. 예를 들어, 일반 웹 기사를 학습한 언어 모델은 많은 의학 전문 용어와 방법이 포함된 의료 보고서를 생성할 때 어려움을 겪을 수 있습니다. 직관적으로 도메인 지식은 모델 전문화에 매우 중요해야 합니다. 그러나 이러한 전문 지식을 LLM에 주입하는 것은 쉽지 않습니다. 최근 분석[47, 648]에서 논의한 바와 같이, LLM이 일부 영역에서 뛰어난 능력을 발휘할 수 있도록 특정 능력을 갖추도록 훈련하면 다른 영역에서는 어려움을 겪을 수 있습니다. 이러한 문제는 신경망 훈련에서 _catastrophic forgetting_[649, 650]과 관련이 있는데, 이는 새로운 지식과 기존 지식을 통합하는 갈등 현상을 말합니다. 이러한 사례는 인간의 가치와 필요에 맞추기 위해 _"alignment tax"_[66](_예:_ In-Context Learning 능력의 잠재적 손실)을 지불해야 하는 LLM의 인간 정렬에서도 발생합니다. 또한, 시퀀스 모델링 아키텍처의 한계로 인해 LLM은 여전히 구조화된 데이터의 이해와 생성에 어려움을 겪고 있습니다. 따라서 지식 기반 질의응답 및 시맨틱 구문 분석[651, 458]과 같은 복잡한 구조화된 데이터 작업에서 종종 작업별 모델에 뒤처집니다. 따라서 다양한 작업 시나리오에 LLM을 유연하게 적용하는 동시에 원래의 능력을 최대한 유지할 수 있는 효과적인 모델 전문화 방법을 개발하는 것이 중요합니다.[|endofturn|]

\(\bullet\)_성능이 저조한 특수 생성._ LLM은 일관성 있는 텍스트를 생성하기 위해 일반적인 언어 패턴을 학습했지만, 특수 도메인이나 작업을 처리할 때는 생성 능력이 제한될 수 있습니다. 예를 들어, 일반 웹 기사를 학습한 언어 모델은 많은 의학 전문 용어와 방법이 포함된 의료 보고서를 생성할 때 어려움을 겪을 수 있습니다. 직관적으로 도메인 지식은 모델 전문화에 매우 중요해야 합니다. 그러나 이러한 전문 지식을 LLM에 주입하는 것은 쉽지 않습니다. 최근 분석[47, 648]에서 논의한 바와 같이, LLM이 일부 영역에서 뛰어난 능력을 발휘할 수 있도록 특정 능력을 갖추도록 훈련하면 다른 영역에서는 어려움을 겪을 수 있습니다. 이러한 문제는 신경망 훈련에서 _재앙적 망각_[649, 650]과 관련이 있는데, 이는 새로운 지식과 기존 지식을 통합하는 갈등 현상을 말합니다. 이러한 사례는 인간의 가치와 필요에 맞추기 위해 _"정렬 세금"_[66](_예:_ 인컨텍스트 학습 능력의 잠재적 손실)을 지불해야 하는 LLM의 인간 정렬에서도 발생합니다. 또한, 시퀀스 모델링 아키텍처의 한계로 인해 LLM은 여전히 구조화된 데이터의 이해와 생성에 어려움을 겪고 있습니다. 따라서 지식 기반 질의응답 및 시맨틱 구문 분석[651, 458]과 같은 복잡한 구조화된 데이터 작업에서 종종 작업별 모델에 뒤처집니다. 따라서 다양한 작업 시나리오에 LLM을 유연하게 적용하는 동시에 원래의 능력을 최대한 유지할 수 있는 효과적인 모델 전문화 방법을 개발하는 것이 중요합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]\(\bullet\)_Underperforming specialized generation._ Although LLMs have learned general language patterns to generate coherent text, their proficiency in generation might be constrained when dealing with a specialized domain or task. For instance, a language model that has been trained on general web articles may face challenges when generating a medical report which involves many medical jargon and methods. Intuitively, domain knowledge should be critical for model specialization. However, it is not easy to inject such specialized knowledge into LLMs. As discussed in recent analyses [47, 648], when LLMs are trained to exhibit some specific ability that allows them to excel in some areas, they might struggle in others. Such an issue is related to _catastrophic forgetting_[649, 650] in training neural networks, which refers to the conflict phenomenon of integrating new and old knowledge. Similar cases also occur in human alignment of LLMs, where _"alignment tax"_[66] (_e.g.,_ a potential loss in the in-context learning ability) has to be paid for aligning to human values and needs. Moreover, due to the limitations of sequence modeling architecture, LLMs still face challenges in the understanding and generation of structured data. Consequently, they often fall behind task-specific models on complex structured data tasks, such as knowledge-base question answering and semantic parsing [651, 458]. Therefore, it is important to develop effective model specialization methods that can flexibly adapt LLMs to various task scenarios, meanwhile retaining the original abilities as possible. [|assistant|]

그림 A.17: Rank-order agreement to specialist ratings of all 149 dialogue pairs, comparing various auto-evaluation prompting techniques. 임상 기준의 자동 평가를 위해 self-CoT 기법을 활용하기로 선택했습니다.[|endofturn|]

그림 A.17: 임상 기준의 자동 평가를 위해 self-CoT 기법을 활용하기로 선택했습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Figure A.17: Rank-order agreement to specialist ratings of all 149 dialogue pairs, comparing various auto-evaluation prompting techniques. We choose to leverage the self-CoT technique for the auto-evaluation of clinical criteria. [|assistant|]

기계 번역과 같은 다른 생성 작업의 평가는 Rouge 및 BLEU와 같은 metrics를 기반으로 합니다. 이러한 scores는 기준 텍스트(예: 번역)가 기준 참고 문헌으로 있고 생성 모델(이 경우 LLM)에 의해 생성된 가설이 있는 경우에 잘 작동합니다. 이러한 scores는 주로 계산 방식으로 답변과 기준 참고 문헌의 유사성을 감지하는 것을 목표로 하는 경우에 사용됩니다. 계산 방식에서 N-그램 이상의 것이 사용되지 않는다는 의미입니다.[|endofturn|]

기계 번역과 같은 다른 생성 작업의 평가는 Rouge 및 BLEU와 같은 메트릭을 기반으로 합니다. 이러한 점수는 기준 텍스트(예: 번역)가 기준 참고 문헌으로 있고 생성 모델(이 경우 LLM)에 의해 생성된 가설이 있는 경우에 잘 작동합니다. 이러한 점수는 주로 계산 방식으로 답변과 기준 참고 문헌의 유사성을 감지하는 것을 목표로 하는 경우에 사용됩니다. 계산 방식에서 N-그램 이상의 것이 사용되지 않는다는 의미입니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Evaluation of other generative tasks such as machine translation are based on metrics such as Rouge and BLEU. These scores work well when there is a reference text as ground truth (such as translation) and a hypothesis that is generated by the generative model, in our case the LLM. These scores are mostly used for cases where the goal is to detect the similarity of the answer and ground truth in a computation manner. In a computation manner, it meant that nothing more than N-Grams would be used. [|assistant|]

_Remark B.1_ (bf16 on gated MLP).: B.2절에서 논의한 바와 같이, LLaMA 및 Mistral 아키텍처의 training은 GatedMLP의 사용으로 인해 안정성이 떨어지기 때문에 필요한 경우 (혼합 정밀도) bf16 training으로 전환해야 합니다.[|endofturn|]

_Remark B.1_ (게이트된 MLP의 bf16).: B.2절에서 논의한 바와 같이, LLaMA 및 Mistral 아키텍처의 트레이닝은 게이트된 MLP의 사용으로 인해 안정성이 떨어지기 때문에 필요한 경우 (혼합 정밀도) bf16 트레이닝으로 전환해야 합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]_Remark B.1_ (bf16 on gated MLP).: As discussed in Section B.2, the training of LLaMA and Mistral architectures is less stable due to the use of GatedMLP, leading to the necessity of switching to (mixed-precision) bf16 training when required. [|assistant|]

그림 3: 가상의 유명인에 대한 설명을 뒤집는 실험 1의 설정. 모델은 두 개의 하위 집합이 포함된 데이터 세트에 대해 Fine-tuning됩니다: NameToDescription(좌측 상단)과 DescriptionToName(좌측 하단). 그런 다음 모델을 두 가지 순서의 질문(질문에 이름 또는 설명 중 하나를 사용)에 대해 테스트합니다.[|endofturn|]

그림 3: 가상의 유명인에 대한 설명을 뒤집는 실험 1의 설정. 모델은 두 개의 하위 집합이 포함된 데이터 세트에 대해 미세 조정됩니다: NameToDescription(좌측 상단)과 DescriptionToName(좌측 하단). 그런 다음 모델을 두 가지 순서의 질문(질문에 이름 또는 설명 중 하나를 사용)에 대해 테스트합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Figure 3: **Setup for Experiment 1 on reversing descriptions of fictitious celebrities. A model is finetuned on a dataset containing two subsets: NameToDescription (top left) and DescriptionToName (bottom left). We then test the model on questions in both orders (using either the name or description in the question). [|assistant|]

사회 기술적 얽힘Generative AI 시스템의 사용으로 인해 가해지는 피해의 기원을 정확히 파악하고 인과적으로 설명하기 어려울 수 있습니다. 예를 들어, 전문가들은 특정 AI 출력이 위험한지 여부에 대해 종종 의견이 일치하지 않으며, AI 시스템으로 인한 피해가 나타나는 시기는 수년이 아닌 수개월이 될 수 있으며, AI의 영향은 결정론적이고 직접적인 것이 아니라 다면적이고 미묘할 수 있습니다[131]. 이는 AI 시스템이 socio-technically entangled, 즉 "위험이 나타나는지 여부는 두 구성 요소가 단독으로 결정하는 것이 아니라 기술적 요소와 사회적 요소의 상호 작용에 의해 결정된다"는 의미입니다[16]. 또한 이러한 얽힘으로 인해 generative AI 시스템이 기존의 socio-technical contexts와 만났을 때 어떤 피해가 발생할 수 있는지 예측하기 어렵고, 그 인과적 영향을 정확히 파악하기 어렵습니다. 실제로 AI 모델이 상호 작용하는 사람들에게 미치는 인과적 영향을 평가하는 것은 소셜 미디어 연구에서 잘 정립된(그리고 대부분 해결되지 않은) 연구 질문입니다[132, 133, 134, 135, 136]. 한 가지 접근 방식은 counterfactuals를 고려하는 것입니다. 예를 들어, Mazeika 등[114]은 모델의 안전성 평가에서 AI 모델을 사용함으로써 "인간이 검색 엔진으로 수행할 수 있는 것 이상의" 기능이 활성화되는지 고려해야 한다고 주장합니다. 알고리즘 감사 문헌에는 예가 존재하지만, 이는 방법론적으로 구현하기 어렵습니다[137].[|endofturn|]

사회 기술적 얽힘Generative AI 시스템의 사용으로 인해 가해지는 피해의 기원을 정확히 파악하고 인과적으로 설명하기 어려울 수 있습니다. 예를 들어, 전문가들은 특정 AI 출력이 위험한지 여부에 대해 종종 의견이 일치하지 않으며, AI 시스템으로 인한 피해가 나타나는 시기는 수년이 아닌 수개월이 될 수 있으며, AI의 영향은 결정론적이고 직접적인 것이 아니라 다면적이고 미묘할 수 있습니다[131]. 이는 AI 시스템이 사회 기술적으로 얽혀 있기 때문인데, 이는 "위험이 나타나는지 여부는 두 구성 요소가 단독으로 결정하는 것이 아니라 기술적 요소와 사회적 요소의 상호 작용에 의해 결정된다"는 의미입니다[16]. 또한 이러한 얽힘으로 인해 생성형 AI 시스템이 기존의 사회 기술적 맥락과 만났을 때 어떤 피해가 발생할 수 있는지 예측하기 어렵고, 그 인과적 영향을 정확히 파악하기 어렵습니다. 실제로 AI 모델이 상호 작용하는 사람들에게 미치는 인과적 영향을 평가하는 것은 소셜 미디어 연구에서 잘 정립된(그리고 대부분 해결되지 않은) 연구 질문입니다[132, 133, 134, 135, 136]. 한 가지 접근 방식은 반대 사례를 고려하는 것입니다. 예를 들어, Mazeika 등[114]은 모델의 안전성 평가에서 AI 모델을 사용함으로써 "인간이 검색 엔진으로 수행할 수 있는 것 이상의" 기능이 활성화되는지 고려해야 한다고 주장합니다. 알고리즘 감사 문헌에는 예가 존재하지만, 이는 방법론적으로 구현하기 어렵습니다[137].[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Socio-technical entanglementIt can be difficult to pinpoint, and causally explain the origins of, the harm that is inflicted through the use of generative AI systems. For instance, experts often disagree on whether a given AI output is hazardous [130], the time horizon over which harms from AI systems manifest can be months if not years, and the impact of AI can be multifaceted and subtle rather than deterministic and direct [131]. This is because AI systems are socio-technically entangled, which means that "the interaction of technical and social components determines whether risk manifests" rather than either component singularly [16]. Further, this entanglement makes it challenging to predict what harms may be caused when a generative AI system meets existing socio-technical contexts, and it is difficult to precisely pinpoint their causal impact. Indeed, assessing the causal impact of AI models on the people who interact with them is a well-established (and largely unresolved) research question in social media studies [132, 133, 134, 135, 136]. One approach is to consider counterfactuals. For instance, Mazeika et al. [114] argue that safety assessments of models should consider what is enabled by using an AI model "above and beyond what a human could accomplish with a search engine." Examples exist in the algorithmic audit literature, but this is methodologically difficult to implement [137]. [|assistant|]

GPT2 모델[18]에 Mixture-of-Experts (MoE)를 구현하기 위해 tutel 패키지를 활용합니다. MoE에서 파라미터 \(topk\)는 각 토큰이 라우팅되는 전문가의 수를 결정합니다. 일부 실무자들은 훈련 중에는 \(topk=2\)를, 테스트 중에는 \(topk=1\)을 사용할 것을 권장합니다. 또한, \(cap\_factor\) 매개변수는 \(M\) 전문가가 주어졌을 때 각 전문가가 데이터의 \(\frac{cap\_factor}{M}\) 분수 이상을 받지 못하도록 보장합니다.[|endofturn|]

GPT2 모델[18]에 전문가 혼합(MoE)을 구현하기 위해 tutel 패키지를 활용합니다. MoE에서 파라미터 \(topk\)는 각 토큰이 라우팅되는 전문가의 수를 결정합니다. 일부 실무자들은 훈련 중에는 \(topk=2\)를, 테스트 중에는 \(topk=1\)을 사용할 것을 권장합니다. 또한, \(cap\_factor\) 매개변수는 \(M\) 전문가가 주어졌을 때 각 전문가가 데이터의 \(\frac{cap\_factor}{M}\) 분수 이상을 받지 못하도록 보장합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]We utilize the tutel package for implementing Mixture-of-Experts (MoE) on GPT2 models [18]. In MoE, the parameter \(topk\) determines the number of experts each token is routed to. It is recommended by some practitioners to use \(topk=2\) during training and \(topk=1\) during testing. Additionally, the \(cap\_factor\) parameter ensures that, given \(M\) experts, each expert receives no more than \(\frac{cap\_factor}{M}\) fraction of the data. [|assistant|]

다양성과 혼합다양한 기능을 포괄할 수 있도록 question answering, 창의적 글쓰기, dialogue, reasoning, mathematics, coding, safety, bilingual capabilities 등의 영역을 아우르는 다양한 오픈 소스 prompt를 포함했습니다.[|endofturn|]

다양성과 혼합다양한 기능을 포괄할 수 있도록 질문 답변, 창의적 글쓰기, 대화, 추론, 수학, 코딩, 안전, 이중 언어 기능 등의 영역을 아우르는 다양한 오픈 소스 프롬프트를 포함했습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Diversity and MixtureTo ensure the coverage of different capabilities, we have included a wide spectrum of open-source prompt, encompassing areas such as question answering, creative writing, dialogue, reasoning, mathematics, coding, safety, bilingual capabilities, and others. [|assistant|]

셀프 루브릭은 지침 메타데이터를 기반으로 복잡한 instructions을 조정하지만, 모든 instructions이 복잡성에 관계없이 Instruction Tuning에 똑같이 효과적인 것은 아닙니다(Chen et al., 2023; Zhou et al., 2023). 직관적으로, 대상 LLM이 어렵다고 판단하는 instructions을 노출하면 개선이 필요한 부분을 효과적으로 파악할 수 있습니다. 따라서 대상 LLM을 정렬하는 데 가장 영향력 있는 instructions을 선택하는 것이 중요합니다.[|endofturn|]

셀프 루브릭은 지침 메타데이터를 기반으로 복잡한 지침을 조정하지만, 모든 지침이 복잡성에 관계없이 지침 튜닝에 똑같이 효과적인 것은 아닙니다(Chen et al., 2023; Zhou et al., 2023). 직관적으로, 대상 LLM이 어렵다고 판단하는 지침을 노출하면 개선이 필요한 부분을 효과적으로 파악할 수 있습니다. 따라서 대상 LLM을 정렬하는 데 가장 영향력 있는 지침을 선택하는 것이 중요합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]While Self-Rubrics tailors complex instructions based on instruction metadata, not all instructions are equally effective for instruction tuning, regardless of their complexity (Chen et al., 2023; Zhou et al., 2023). Intuitively, exposing the target LLM to instructions it finds challenging can effectively identify its areas for improvement. Therefore, it is crucial to select the most impactful instructions for aligning the target LLM. [|assistant|]

세 가지 다른 모델에 대한 실험을 수행하여 주장을 뒷받침했습니다. 그러나 다른 LLMs에 대한 일반화는 철저히 테스트되어야 합니다. 예를 들어, GPT-4는 일부 MMLU 작업에서 거의 완벽한 정확도를 달성합니다(Nori et al., 2023), 따라서 추가 개선은 적용되지 않습니다.[|endofturn|]

세 가지 다른 모델에 대한 실험을 수행하여 주장을 뒷받침했습니다. 그러나 다른 LLM에 대한 일반화는 철저히 테스트되어야 합니다. 예를 들어, GPT-4는 일부 MMLU 작업에서 거의 완벽한 정확도를 달성합니다(Nori et al., 2023), 따라서 추가 개선은 적용되지 않습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]We have supported our claims by running the experiments on three different models. However, generalization to other LLMs should be tested thoroughly. For example, GPT-4 achieves near perfect accuracy for some MMLU tasks Nori et al. (2023), and thus further improvement is not applicable. [|assistant|]

다양한 방법으로 학습된 대상 LLM의 기능을 CRR이 충실하게 반영하는지 보여주기 위해 LLaMA 기반 모델로 Evol-Instruct 벤치마크에서 쌍별 비교의 세부 사항을 보여줍니다. 표 5에서 동점 수가 결과를 지배하고 승리 횟수가 드물다는 것을 알 수 있습니다. 이는 대상 모델이 기본적으로 강력한 모델에서 지식을 증류하는 것이기 때문이라고 생각합니다. 결과적으로 대부분의 경우, Instruction-tuned 대상 모델은 LLM 기반 평가자의 렌즈를 통해 강력한 모델만큼 좋은 응답을 할 수 있을 뿐입니다.[|endofturn|]

다양한 방법으로 학습된 대상 LLM의 기능을 CRR이 충실하게 반영하는지 보여주기 위해 LLaMA 기반 모델로 Evol-Instruct 벤치마크에서 쌍별 비교의 세부 사항을 보여줍니다. 표 5에서 동점 수가 결과를 지배하고 승리 횟수가 드물다는 것을 알 수 있습니다. 이는 대상 모델이 기본적으로 강력한 모델에서 지식을 증류하는 것이기 때문이라고 생각합니다. 결과적으로 대부분의 경우, 지시를 받은 대상 모델은 LLM 기반 평가자의 렌즈를 통해 강력한 모델만큼 좋은 응답을 할 수 있을 뿐입니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]We show the details of pairwise comparison on Evol-Instruct benchmark with LLaMA-based models, as a demonstration of how CRR faithfully reflects the capability of the target LLMs trained by different methods. In Table 5, we observe that number of ties dominates the results and the number of wins are scarce. We attribute it to the fact that the target model is essentially distilling knowledge from the strong model. As a result, most of the time, the instruction-tuned target model is only able to respond as good as the strong model, through the lens of the LLM-based evaluator. [|assistant|]

이 하위 섹션에서는 본질적으로 re-warming이 필요하지 않을 수 있는 Learning Rate 일정의 사용을 조사합니다. 그 동기는 두 가지입니다. 한편으로 cosine decay 일정을 사용하면 사전 학습하려는 총 토큰 수를 미리 알아야 합니다. 이는 수렴된 체크포인트를 계속 사전 학습할 수 있는 능력을 제한합니다. 반면, 이전 섹션에서 처음에 작은 Learning Rate로 끝나는 cosine decay 일정으로 사전 학습한 모델을 계속 사전 학습할 때, 새로운 데이터 세트에 가장 잘 적응하려면 최소값에서 Learning Rate를 다시 가열해야 한다는 것을 확인했습니다. 그러나 이전 하위 섹션에서 볼 수 있듯이 Learning Rate를 다시 가열하면 잊어버림이 악화될 수 있습니다.[|endofturn|]

이 하위 섹션에서는 본질적으로 재가열이 필요하지 않을 수 있는 학습 속도 일정의 사용을 조사합니다. 그 동기는 두 가지입니다. 한편으로 코사인 감소 일정을 사용하면 사전 학습하려는 총 토큰 수를 미리 알아야 합니다. 이는 수렴된 체크포인트를 계속 사전 학습할 수 있는 능력을 제한합니다. 반면, 이전 섹션에서 처음에 작은 학습률로 끝나는 코사인 감소 일정으로 사전 학습한 모델을 계속 사전 학습할 때, 새로운 데이터 세트에 가장 잘 적응하려면 최소값에서 학습률을 다시 가열해야 한다는 것을 확인했습니다. 그러나 이전 하위 섹션에서 볼 수 있듯이 학습률을 다시 가열하면 잊어버림이 악화될 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]In this subsection, we investigate the use of learning rate schedules that intrinsically may not require re-warming. The motivations are twofold. On the one hand, a cosine decay schedule requires us to know the total number of tokens we want to pre-train on in advance. This limits the ability to continue to pre-train a converged checkpoint. On the other hand, we saw in the previous section that when continuing to pre-train a model that was initially pre-trained with a cosine decay schedule ending with a small learning rate, re-warming the learning rate from its minimum value is needed to best adapt to the new dataset. However, as seen in the previous subsection, we observe that re-warming the learning rate can exacerbate forgetting. [|assistant|]

1. **편향 없음**. LLaMA, PaLM 등에 따라 훈련 안정성을 개선하기 위해 아키텍처에서 모든 bias 항을 제외합니다. 2. **비모수 layer norm**. 노름 내에서 아핀 변환이 없는 비모수 공식인 layer norm (Ba et al., 2016)을 사용합니다. 즉, "적응적 이득"(또는 bias)이 없습니다. 우리는 이것이 가장 안전한 옵션이라고 생각했으며, 우리가 고려한 다른 변형인 파라메트릭 layer norm과 RMSNorm(Zhang and Sennrich, 2019)에 비해 가장 빠르다는 것도 확인했습니다. 3. **SwiGLU 활성화 함수**. LLaMA, PaLM 등과 마찬가지로 ReLU 대신 SwiGLU 활성화 함수(Shazeer, 2020)를 사용하며, LLaMA에 따라 활성화 숨겨진 크기는 대략 \(\frac{8}{3}d\)이지만 처리량을 개선하기 위해 128의 가장 가까운 배수로 증가합니다.2 각주 2: SwiGLU는 "게이트" 활성화 함수이므로 출력은 입력의 절반 크기입니다. 따라서 기술적으로 SwiGLU에 대한 입력의 차원은 2 \(\배\) 11,008 = 22,016이며, 7B 모델의 경우 22,016입니다. 4. **Rotary positional embeddings (RoPE)**. LLaMA, PaLM 등과 마찬가지로 절대 positional embeddings을 rotary positional embeddings (RoPE; Su et al., 2021)으로 대체합니다. 5. **어휘**. 개인 식별 정보(PII)를 마스킹하기 위해 추가 토큰이 있는 GPT-NeoX-20B(Black et al., 2022)의 BPE 기반 tokenizer의 수정된 버전을 사용합니다. 최종 어휘 크기는 50,280입니다. 그러나 훈련 처리량을 극대화하기 위해 모델에 해당 embedding 행렬의 크기를 50,304로 늘려 128의 배수가 되도록 합니다.[|endofturn|]

1. **편향 없음**. LLaMA, PaLM 등에 따라 훈련 안정성을 개선하기 위해 아키텍처에서 모든 바이어스 항을 제외합니다. 2. **비모수 레이어 규범**. 노름 내에서 아핀 변환이 없는 비모수 공식인 레이어 노름(Ba et al., 2016)을 사용합니다. 즉, "적응적 이득"(또는 바이어스)이 없습니다. 우리는 이것이 가장 안전한 옵션이라고 생각했으며, 우리가 고려한 다른 변형인 파라메트릭 레이어 노름과 RMSNorm(Zhang and Sennrich, 2019)에 비해 가장 빠르다는 것도 확인했습니다. 3. **SwiGLU 활성화 함수**. LLaMA, PaLM 등과 마찬가지로 ReLU 대신 SwiGLU 활성화 함수(Shazeer, 2020)를 사용하며, LLaMA에 따라 활성화 숨겨진 크기는 대략 \(frac{8}{3}d\)이지만 처리량을 개선하기 위해 128의 가장 가까운 배수로 증가합니다.2 각주 2: SwiGLU는 "게이트" 활성화 함수이므로 출력은 입력의 절반 크기입니다. 따라서 기술적으로 SwiGLU에 대한 입력의 차원은 2 \(\배\) 11,008 = 22,016이며, 7B 모델의 경우 22,016입니다. 4. **로터리 위치 임베딩(RoPE).** LLaMA, PaLM 등과 마찬가지로 절대 위치 임베딩을 로터리 위치 임베딩(RoPE; Su et al., 2021)으로 대체합니다. 5. **어휘.** 개인 식별 정보(PII)를 마스킹하기 위해 추가 토큰이 있는 GPT-NeoX-20B(Black et al., 2022)의 BPE 기반 토큰라이저의 수정된 버전을 사용합니다. 최종 어휘 크기는 50,280입니다. 그러나 훈련 처리량을 극대화하기 위해 모델에 해당 임베딩 행렬의 크기를 50,304로 늘려 128의 배수가 되도록 합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]1. **No biases.** Following LLaMA, PaLM, and others, we exclude all bias terms from our architecture in order to improve training stability. 2. **Non-parametric layer norm.** We use the non-parametric formulation of layer norm (Ba et al., 2016) in which there is no affine transformation within the norm, i.e. no "adaptive gain" (or bias). We believe this was the safest option and it was also the fastest compared to the other variants we considered: parametric layer norm and RMSNorm (Zhang and Sennrich, 2019). 3. **SwiGLU activation function.** Like LLaMA, PaLM, and others we use the SwiGLU activation function (Shazeer, 2020) instead of ReLU, and following LLaMA the activation hidden size is approximately \(\frac{8}{3}d\), but increased to the closest multiple of 128 (e.g. 11,008 for our 7B model) to improve throughput.2 Footnote 2: Since SwiGLU is a “gated” activation function, the output is half the size of the input. So technically our inputs to SwiGLU have a dimensionality of 2 \(\times\) 11,008 = 22,016 for our 7B model. 4. **Rotary positional embeddings (RoPE).** Like LLaMA, PaLM, and others we replace absolute positional embeddings with rotary positional embeddings (RoPE; Su et al., 2021). 5. **Vocabulary.** We use a modified version of the BPE-based tokenizer from GPT-NeoX-20B (Black et al., 2022) with additional tokens for masking personal identifiable information (PII). The final vocabulary size is 50,280. However, to maximize training throughput we increase the size of the corresponding embedding matrix in our model to 50,304 so that it's a multiple of 128. [|assistant|]

주3: Gradient clipping하는 동안 모델의 모든 파라미터는 하나의 큰 벡터로 취급되며(모든 파라미터가 평평하게 펴지고 연결된 것처럼), 해당 단일 Gradient 벡터에 대한 \(\ell_{2}\)-norm을 취합니다. 이것이 PyTorch에서 Gradient를 clipping하는 표준 방법입니다.[|endofturn|]

주3: 그라데이션 클리핑하는 동안 모델의 모든 파라미터는 하나의 큰 벡터로 취급되며(모든 파라미터가 평평하게 펴지고 연결된 것처럼), 해당 단일 그라데이션 벡터에 대한 \(\ell_{2}\)-노름을 취합니다. 이것이 파이토치에서 그라데이션을 클리핑하는 표준 방법입니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Footnote 3: During gradient clipping all of the model’s parameters are treated as a single big vector (as if all parameters were flattened and concatenated together), and we take the \(\ell_{2}\)-norm over the corresponding single gradient vector. This is the standard way to clip gradients in PyTorch. [|assistant|]

이 백서에서는 Supervised Fine-tuning (SFT)과 Retrieval-augmented generation (RAG)을 결합하는 방법을 연구합니다. 새로운 적응 전략인 Retrieval-augmented Fine-tuning (RAFT)을 제안합니다. RAFT는 도메인 지식을 통합하면서 도메인 내 RAG 성능을 개선하기 위해 LLM을 Fine-tuning하는 문제를 구체적으로 해결합니다. RAFT는 모델이 Fine-tuning을 통해 도메인별 지식을 학습할 수 있도록 지원할 뿐만 아니라 부정확한 검색에 대한 Robustness를 보장하는 것을 목표로 합니다. 이는 제시된 질문(prompt), 검색된 도메인별 문서, 적절한 답변 간의 역학을 이해하도록 모델을 훈련함으로써 달성할 수 있습니다. 비유를 들어, 우리의 접근 방식은 관련성 있는 검색 문서와 관련 없는 검색 문서를 인식하여 오픈북 시험을 공부하는 것과 유사합니다.[|endofturn|]

이 백서에서는 지도 미세 조정(SFT)과 검색 증강 생성(RAG)을 결합하는 방법을 연구합니다. 새로운 적응 전략인 검색 증강 미세 조정(RAFT)을 제안합니다. RAFT는 도메인 지식을 통합하면서 도메인 내 RAG 성능을 개선하기 위해 LLM을 미세 조정하는 문제를 구체적으로 해결합니다. RAFT는 모델이 미세 조정을 통해 도메인별 지식을 학습할 수 있도록 지원할 뿐만 아니라 부정확한 검색에 대한 견고성을 보장하는 것을 목표로 합니다. 이는 제시된 질문(프롬프트), 검색된 도메인별 문서, 적절한 답변 간의 역학을 이해하도록 모델을 훈련함으로써 달성할 수 있습니다. 비유를 들어, 우리의 접근 방식은 관련성 있는 검색 문서와 관련 없는 검색 문서를 인식하여 오픈북 시험을 공부하는 것과 유사합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]In this paper, we study how to combine supervised fine-tuning (SFT) with retrieval augmented generation (RAG). We propose a novel adaptation strategy - Retrieval-Augmented Fine Tuning (RAFT). RAFT specifically addresses the challenge of fine-tuning LLMs to incorporate domain knowledge while also improving in-domain RAGperformance. RAFT aims to not only enable models to learn domain specific knowledge through fine-tuning, but also to ensure robustness against inaccurate retrievals. This is achieved by training the models to understand the dynamics between the question posed (prompt), the domain specific documents retrieved, and the appropriate answer. Going back to our analogy, our approach is analogous to studying for an open-book exam by recognizing relevant, and irrelevant retrieved documents. [|assistant|]

**Retrieval schedule**. 모델이 마감일에 대해서만 학습된다는 사실을 활용하여 미래 예측을 시뮬레이션할 수 있습니다(Zou et al., 2022). 해결된 질문에 대한 예측을 시뮬레이션하려면 과거 뉴스 코퍼스를 쿼리하여 질문 시작 날짜와 지정된 _retrieval date_(Zou et al., 2022; Yan et al., 2024) 사이의 기사를 검색합니다. retrieval date는 해당 날짜에 모델이 액세스할 수 있었던 정보를 모방하기 때문에 예측의 '시뮬레이션 날짜'로 볼 수 있습니다.[|endofturn|]

**검색 일정**. 모델이 마감일에 대해서만 학습된다는 사실을 활용하여 미래 예측을 시뮬레이션할 수 있습니다(Zou et al., 2022). 해결된 질문에 대한 예측을 시뮬레이션하려면 과거 뉴스 코퍼스를 쿼리하여 질문 시작 날짜와 지정된 _검색 날짜_(Zou et al., 2022; Yan et al., 2024) 사이의 기사를 검색합니다. 검색 날짜는 해당 날짜에 모델이 액세스할 수 있었던 정보를 모방하기 때문에 예측의 '시뮬레이션 날짜'로 볼 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**Retrieval schedule.** We can simulate forecasting the future by leveraging the fact that models are only trained up to a cut-off date (Zou et al., 2022). To simulate a forecast for a question that has been resolved, we query a historical news corpus to retrieve articles between the question begin date and a specified _retrieval date_(Zou et al., 2022; Yan et al., 2024). The retrieval date can be viewed as the "simulated date" of the forecast, as we are mimicking the information the model would have had access to on that date. [|assistant|]

미래 방향. 위의 접근 방식 외에도 KG로 강화된 LLM에는 아직 탐구되지 않은 몇 가지 유망한 방향이 있습니다. 첫째, 구조화된 데이터의 다양성으로 인해 LLM이 다양한 종류의 지식 소스, _예를 들어, 도메인별 KG를 직접 활용하는 것은 여전히 어렵습니다. 따라서 LLM이 다양한 지식 소스를 조작하고 활용할 수 있는 통합된 방법을 모색하는 것은 필수적입니다. 잠재적인 해결책으로, LLM이 특정 지식 소스에서 제공하는 액세스 인터페이스를 이해하고 활용하여 정확한 지식을 습득하는 데 도움이 되는 효과적인 접근 방식을 개발하는 것이 유망하며, 비용 효율적인 방식으로 데이터 다양성에 적응하는 방법을 연구하기 위해 더 많은 노력을 기울여야 합니다. 둘째, 실제 정보의 진화에 따라 LLM에 저장된 지식이 오래되었거나 부정확해질 수 있습니다. 비용 효율적인 방식을 통해 업데이트된 지식을 LLM에 동기화하는 방법을 모색해야 합니다[873, 874]. 셋째, KG의 사실 정보를 활용하여 LLM이 더 신실한 콘텐츠를 생성할 때 align하는 방법을 조사하는 것도 유망하며[875, 876], 이는 LLM의 hallucination을 줄이는 데 도움이 될 수 있습니다.[|endofturn|]

미래 방향.위의 접근 방식 외에도 KG로 강화된 LLM에는 아직 탐구되지 않은 몇 가지 유망한 방향이 있습니다. 첫째, 구조화된 데이터의 다양성으로 인해 LLM이 다양한 종류의 지식 소스, _예를 들어, 도메인별 KG를 직접 활용하는 것은 여전히 어렵습니다. 따라서 LLM이 다양한 지식 소스를 조작하고 활용할 수 있는 통합된 방법을 모색하는 것은 필수적입니다. 잠재적인 해결책으로, LLM이 특정 지식 소스에서 제공하는 액세스 인터페이스를 이해하고 활용하여 정확한 지식을 습득하는 데 도움이 되는 효과적인 접근 방식을 개발하는 것이 유망하며, 비용 효율적인 방식으로 데이터 다양성에 적응하는 방법을 연구하기 위해 더 많은 노력을 기울여야 합니다. 둘째, 실제 정보의 진화에 따라 LLM에 저장된 지식이 오래되었거나 부정확해질 수 있습니다. 비용 효율적인 방식을 통해 업데이트된 지식을 LLM에 동기화하는 방법을 모색해야 합니다[873, 874]. 셋째, KG의 사실 정보를 활용하여 LLM이 더 신실한 콘텐츠를 생성할 때 정합하는 방법을 조사하는 것도 유망하며[875, 876], 이는 LLM의 환각을 줄이는 데 도움이 될 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Future Directions.Besides the above approaches, there are several promising directions for KG-enhanced LLM remaining underexplored. First, due to the variety of structured data, it is still difficult for LLMs to directly leverage various kinds of knowledge sources, _e.g._, domain-specific KGs. Therefore, it is essential to explore the unified way to manipulate and utilize different knowledge sources by LLMs. As a potential solution, it is promising to develop effective approaches to help LLMs comprehend and make use of the access interfaces provided by specific knowledge sources to acquire precise knowledge [458], while more efforts should be made to investigate how to adapt to the data variety in a cost-effective way. Second, with the evolution of real-world information, the knowledge stored in LLMs may become outdated or incorrect. It is necessary to explore how to synchronize the updated knowledge into LLMs through a cost-effective manner [873, 874]. Third, it is promising to investigate the use of factual information from KG to align LLMs in generating more faithful content [875, 876], which can help reduce the hallucination of LLMs. [|assistant|]

**정리 C.2** (Tail Narrowing으로 Grokking하기).: _크기 \(T\)의 샘플을 고려할 때, 그 중 \(\pi\)의 비율은 참 분포 \(p=Zip(\beta)\)에서 나오고 나머지는 버전 \(p^{\prime}=Zip(\beta^{\prime})\)에서 나온다.[|endofturn|]

**정리 C.2** (꼬리 좁히기로 그로킹하기).: _크기 \(T\)의 샘플을 고려할 때, 그 중 \(\pi\)의 비율은 참 분포 \(p=Zip(\beta)\)에서 나오고 나머지는 버전 \(p^{\prime}=Zip(\beta^{\prime})\)에서 나온다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**Theorem C.2** (Grokking with Tail Narrowing).: _Consider a sample of size \(T\) of which a proportion \(\pi\) comes from the true distribution \(p=Zip(\beta)\) and the remainder comes from a version \(p^{\prime}=Zip(\beta^{\prime})\). [|assistant|]