Datasets:

Translation-EnKo

/

nlp-arxiv-translation-dpo-chat

like 0

**MATH**Hendrycks et al. (2021). 이 데이터 세트는 높은 수준의 추론 능력과 수학적 지식이 필요한 경쟁 수준의 수학 문제에 초점을 맞추고 있습니다. 7,500개의 training 예제와 5,000개의 test 케이스로 구성되어 있습니다. training 예제를 사용하여 synthetic 데이터를 생성합니다.[|endofturn|]

**MATH**Hendrycks et al.(2021). 이 데이터 세트는 높은 수준의 추론 능력과 수학적 지식이 필요한 경쟁 수준의 수학 문제에 초점을 맞추고 있습니다. 7,500개의 학습 예제와 5,000개의 테스트 케이스로 구성되어 있습니다. 학습 예제를 사용하여 합성 데이터를 생성합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**MATH**Hendrycks et al. (2021). This dataset focuses on competitive-level math problems that requires high levels of reasoning ability and mathematical knowledge. It consists of 7,500 training examples and 5,000 test cases. We use the training examples to generate synthetic data. [|assistant|]

Allen-Zhu & Li(2023b)에서 reversal curse가 발견되었을 때, 저자들은 고유한 영어 이름을 가진 무작위로 생성된 10만 명의 개인에 대한 전기 데이터 세트를 활용했습니다. 전기는 문장 템플릿 풀(bioS 데이터 세트)을 사용하여 생성하거나 Llama 모델(bioR 데이터 세트)을 사용하여 생성했습니다(Touvron et al., 2023a). 전기 항목은 항상 사람의 전체 이름으로 시작합니다. 따라서 reversal QA 작업은 매우 자연스럽습니다. 사람의 부분적 또는 전체 전기 세부 정보가 주어지면 그 사람의 이름을 물어봅니다.[|endofturn|]

Allen-Zhu & Li(2023b)에서 역전술이 발견되었을 때, 저자들은 고유한 영어 이름을 가진 무작위로 생성된 10만 명의 개인에 대한 전기 데이터 세트를 활용했습니다. 전기는 문장 템플릿 풀(bioS 데이터 세트)을 사용하여 생성하거나 Llama 모델(bioR 데이터 세트)을 사용하여 생성했습니다(Touvron et al., 2023a). 전기 항목은 항상 사람의 전체 이름으로 시작합니다.4 따라서 역전 QA 작업은 매우 자연스럽습니다. 사람의 부분적 또는 전체 전기 세부 정보가 주어지면 그 사람의 이름을 물어봅니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]When the reversal curse was discovered in Allen-Zhu & Li (2023b), the authors utilized a biography dataset of 100K randomly generated individuals with unique English names. The biographies were either generated using a pool of sentence templates (the bioS dataset) or generated using the Llama model (the bioR dataset) (Touvron et al., 2023a). The biography entries always start with the person's full name.4 The reversal QA task is, therefore, very natural: given a person's partial or full biography details, ask for the person's name. [|assistant|]

NEFtune: 토큰 embedding 벡터에 무작위 노이즈를 추가합니다. 이 실험은 소규모 노이즈가 LLM 대화의 기능을 향상시키고 Alpaca-eval 점수 Jain et al. (2023)을 향상시킬 수 있음을 보여줍니다. 원래 설정에서는 소스와 타겟을 모두 포함한 모든 입력 embedding에 노이즈가 추가됩니다.[|endofturn|]

NEFtune: 토큰 임베딩 벡터에 무작위 노이즈를 추가합니다. 이 실험은 소규모 노이즈가 LLM 대화의 기능을 향상시키고 Alpaca-eval 점수 Jain et al. (2023)을 향상시킬 수 있음을 보여줍니다. 원래 설정에서는 소스와 타겟을 모두 포함한 모든 입력 임베딩에 노이즈가 추가됩니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]NEFtune: Adding random noise to the token embedding vectors. Its experiments show that a small scale of noise can enhance the capability of LLM conversation and improve Alpaca-eval scores Jain et al. (2023). In its original setup, noise is added to all input embeddings, including both source and target. [|assistant|]

아이리스 윈노우는 다른 특파원 Thea "Attie" Attworod와 함께 전선 근처의 마을 Avalon Blufl로 여행을 떠납니다.[|endofturn|]

14. 아이리스 윈노우는 다른 특파원 테아 "애티" 앳워드와 함께 전선 근처의 마을 아발론 블루플로 여행을 떠납니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]14. Iris Winnow journeys to Avalon Blufl, a town near the war front, with another correspondent named Thea "Attie" Attworod. [|assistant|]

차별화 가능한 검색 인덱스Tay 외(2022)와 Bevilacqua 외(2022)는 Transformer 모델 내에 검색 프로세스를 통합하여 텍스트 쿼리를 문서 식별자에 직접 매핑할 수 있는 차별화 가능한 검색 인덱스를 개발했습니다. 이러한 접근 방식은 더 효율적이고 확장 가능한 검색을 위한 우수한 성능과 잠재력을 제공합니다.[|endofturn|]

차별화 가능한 검색 인덱스Tay 외(2022)와 Bevilacqua 외(2022)는 트랜스포머 모델 내에 검색 프로세스를 통합하여 텍스트 쿼리를 문서 식별자에 직접 매핑할 수 있는 차별화 가능한 검색 인덱스를 개발했습니다. 이러한 접근 방식은 더 효율적이고 확장 가능한 검색을 위한 우수한 성능과 잠재력을 제공합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Differentiable Search IndicesTay et al. (2022) and Bevilacqua et al. (2022) developed differentiable search indices that integrate the retrieval process within a Transformer model, enabling direct mapping of text queries to document identifiers. These approaches offer superior performance and potential for more efficient and scalable retrieval. [|assistant|]

8. 로만 키트가 아이리스 윈노우와의 유대감이 깊어지면서 로만은 포레스트를 위한 아이리스의 편지를 익명으로 받고 응답합니다.[|endofturn|]

8. 로만 키트가 아이리스 윈노우와의 유대감이 깊어지면서 로만은 숲을 위한 아이리스의 편지를 익명으로 받고 응답합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]8. Iris Winnow's bond with Roman Kitt deepens when Roman anonymously receives and responds to Iris's letters intended for Forest. [|assistant|]

질문 답변 생성(QAG) 작업을 위해 훈련된 모델, 특히 다운스트림 작업으로서 QA에서 우수한 성능을 발휘하는 것으로 보고된 End-to-End (E2E) 접근 방식에 최적화된 T5-large 모델을 사용했습니다(Ushio et al., 2023). 그러나 E2E 방식의 주목할 만한 단점은 생성된 샘플의 품질과 양을 제어할 수 있다는 것입니다. 또한 T5 모델의 입력 token 제한으로 인해 입력 텍스트를 512 token으로 제한해야 합니다. 공정한 비교를 위해 prompt 기반 접근 방식에 사용되는 입력에도 동일한 token 제한을 적용했습니다. 표 4는 동일한 코퍼스를 사용하여 prompt 기반 방법과 E2E 방법 모두에서 생성된 QA에 대한 통계를 제시합니다.[|endofturn|]

질문 답변 생성(QAG) 작업을 위해 훈련된 모델, 특히 다운스트림 작업으로서 QA에서 우수한 성능을 발휘하는 것으로 보고된 엔드투엔드(E2E) 접근 방식에 최적화된 T5-large 모델을 사용했습니다(Ushio et al., 2023). 그러나 E2E 방식의 주목할 만한 단점은 생성된 샘플의 품질과 양을 제어할 수 있다는 것입니다. 또한 T5 모델의 입력 토큰 제한으로 인해 입력 텍스트를 512 토큰으로 제한해야 합니다. 공정한 비교를 위해 프롬프트 기반 접근 방식에 사용되는 입력에도 동일한 토큰 제한을 적용했습니다. 표 4는 동일한 코퍼스를 사용하여 프롬프트 기반 방법과 E2E 방법 모두에서 생성된 QA에 대한 통계를 제시합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]We employed models trained for the Question Answer Generation (QAG) task, specifically using the T5-large model optimized for the End-to-End (E2E) approach, which was reported to deliver superior performance on the QA as the downstream task (Ushio et al., 2023). However, a notable drawback of the E2E method is its limited control over the quality and quantity of generated samples. Additionally, due to the T5 model's input token limitation, the input text must be restricted to 512 tokens. To ensure a fair comparison, we applied the same token limit to the inputs used with the prompt-based approach. Table 4 presents statistics for the QAs generated by both the prompt and E2E methods, using the same corpus. [|assistant|]

실무자를 지원하기 위해 AI 안전 벤치마크에 대한 테스트 사양을 만들었으며, 이를 자유롭게 사용할 수 있도록 했습니다.9 이 테스트 사양은 WG의 많은 연구자와 실무자 그룹에 의해 만들어지고 검증되었습니다. 이 사양은 prompt 공식화, few-shot learning 구성, chain-of-thought instructions와 같은 사소한 설정 변경에 대한 성능 결과의 무결성과 민감도를 둘러싼 지속적인 문제로 인해 만들어졌습니다. 이러한 요소와 구성 매개변수가 잘 문서화되지 않으면 SUT의 성능에 설명할 수 없는 변화가 발생하고 재현성이 제한될 수 있습니다. 테스트 사양은 두 가지 방식으로 실무자에게 도움이 될 수 있습니다. 첫째, 제안된 테스트의 적절한 사용을 문서화하고 테스트를 구현하거나 실행하려는 많은 이해관계자들 사이에서 확장 가능한 재현성을 가능하게 하는 데 도움이 될 수 있습니다. 둘째, 사양 스키마는 테스트 결과의 청중이 처음에 결과가 어떻게 생성되었는지 더 잘 이해하는 데 도움이 될 수 있습니다. 앞으로 더 많은 사양 리소스를 제작할 계획입니다.[|endofturn|]

실무자를 지원하기 위해 AI 안전 벤치마크에 대한 테스트 사양을 만들었으며, 이를 자유롭게 사용할 수 있도록 했습니다.9 이 테스트 사양은 WG의 많은 연구자와 실무자 그룹에 의해 만들어지고 검증되었습니다. 이 사양은 프롬프트 공식화, 소수 샷 학습 구성, 생각의 사슬 지시와 같은 사소한 설정 변경에 대한 성능 결과의 무결성과 민감도를 둘러싼 지속적인 문제로 인해 만들어졌습니다. 이러한 요소와 구성 매개변수가 잘 문서화되지 않으면 SUT의 성능에 설명할 수 없는 변화가 발생하고 재현성이 제한될 수 있습니다. 테스트 사양은 두 가지 방식으로 실무자에게 도움이 될 수 있습니다. 첫째, 제안된 테스트의 적절한 사용을 문서화하고 테스트를 구현하거나 실행하려는 많은 이해관계자들 사이에서 확장 가능한 재현성을 가능하게 하는 데 도움이 될 수 있습니다. 둘째, 사양 스키마는 테스트 결과의 청중이 처음에 결과가 어떻게 생성되었는지 더 잘 이해하는 데 도움이 될 수 있습니다. 앞으로 더 많은 사양 리소스를 제작할 계획입니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]To guide practitioners, we have created a test specification for the AI Safety Benchmark, and have made it freely available.9 The test specification was created and vetted by a large group of researchers and practitioners in the WG. Its creation was motivated by ongoing challenges around the integrity of performance results and their sensitivity to seemingly small setup changes, such as prompt formulation, few-shot learning configurations, and chain-of-thought instructions. If these factors and configuration parameters are not well-documented, this can lead to seemingly inexplicable variations in SUTs' performance and limit reproducibility. Our test specification can help practitioners in two ways. First, it can aid test writers to document proper usage of a proposed test and enable scalable reproducibility amongst a large group of stakeholders who may want to either implement or execute the test. Second, the specification schema can also help audiences of test results to better understand how those results were created in the first place. We aim to produce more specification resources in the future. [|assistant|]

Instruction의 경우, 답변 유형에 따라 데이터 집합마다 다른 Instruction을 사용합니다.[|endofturn|]

지침}의 경우, 답변 유형에 따라 데이터 집합마다 다른 지침을 사용합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]As for the {Instruction}, we use different instructions for different datasets based on the answer types. [|assistant|]

\(\bullet\)_LLaMA_[57]는 CommonCrawl, C4 [82], Github, Wikipedia, 책, ArXiv, StackExchange 등 다양한 소스에서 학습 데이터를 추출합니다. LLaMA(6B)와 LLaMA(13B)의 학습 데이터 크기는 1.0T tokens이고, LLaMA(32B)와 LLaMA(65B)에는 1.4T tokens이 사용됩니다.[|endofturn|]

\(\bullet\)_LLaMA_[57]는 CommonCrawl, C4 [82], Github, Wikipedia, 책, ArXiv, StackExchange 등 다양한 소스에서 학습 데이터를 추출합니다. LLaMA(6B)와 LLaMA(13B)의 학습 데이터 크기는 1.0T 토큰이고, LLaMA(32B)와 LLaMA(65B)에는 1.4T 토큰이 사용됩니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]\(\bullet\)_LLaMA_[57] extracts training data from various sources, including CommonCrawl, C4 [82], Github, Wikipedia, books, ArXiv, and StackExchange. The training data size for LLaMA (6B) and LLaMA (13B) is 1.0T tokens, while 1.4T tokens are used for LLaMA (32B) and LLaMA (65B). [|assistant|]

지속적인 사전 학습과 Fine-tuning을 통해 LLaMA2-13B 모델을 중국어 번체로 적용하기 위해 다음 데이터 세트를 사용합니다.[|endofturn|]

지속적인 사전 학습과 미세 조정을 통해 LLaMA2-13B 모델을 중국어 번체로 적용하기 위해 다음 데이터 세트를 사용합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]We employ the following datasets for adapting the LLaMA2-13B model to Traditional Chinese through continual pretraining and fine-tuning. [|assistant|]

표 10에서 볼 수 있듯이, Nemotron-4 15B는 LLaMA-2 13B와 Baichuan-2 13B를 모두 크게 능가하며, 각각 90.2%와 44.1%의 성능 향상을 달성했습니다. Nemotron-4 15B는 중국어에서 영어로 번역하는 데만 능숙한 것이 아니라 중국어를 다른 언어로 직접 번역하는 데도 인상적인 결과를 얻을 수 있습니다. 이러한 능력은 Nemotron-4 15B가 광범위한 자연어에 걸쳐 강력한 이해력을 가지고 있음을 보여줍니다.[|endofturn|]

표 10에서 볼 수 있듯이, 네모트론-4 15B는 LLaMA-2 13B와 바이추안-2 13B를 모두 크게 능가하며, 각각 90.2%와 44.1%의 성능 향상을 달성했습니다. 네모트론-4 15B는 중국어에서 영어로 번역하는 데만 능숙한 것이 아니라 중국어를 다른 언어로 직접 번역하는 데도 인상적인 결과를 얻을 수 있습니다. 이러한 능력은 네모트론-4 15B가 광범위한 자연어에 걸쳐 강력한 이해력을 가지고 있음을 보여줍니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]As seen in Table 10, Nemotron-4 15B hefily outperforms both LLaMA-2 13B and Baichuan-2 13B - improving upon their performance by 90.2% and 44.1% respectively. Nemotron-4 15B does not solely perform well on translating from Chinese into English but is able to attain impressive results on the direct translation of Chinese into other languages. This ability highlights the strong understanding that Nemotron-4 15B has across a broad spectrum of natural languages. [|assistant|]

[시스템] 위의 질문과 표준 답변에 대한 Assistant의 성능에 대한 피드백을 제공해 주시기 바랍니다. 도움 유무, 관련성, 정확성, 세부 수준, {target language} 사용에 대해 Assistant를 평가해 주세요. Assistant는 1~10점 척도로 총점을 받게 되며, 점수가 높을수록 전반적인 성능이 우수하다는 것을 의미합니다. 먼저 Assistant의 점수를 나타내는 값만 포함된 한 줄을 출력해 주세요. 다음 줄에는 잠재적인 편견을 피하고 답변 순서가 판단에 영향을 미치지 않도록 평가에 대한 포괄적인 설명을 제공하세요.[|endofturn|]

[시스템] 위의 질문과 표준 답변에 대한 어시스턴트의 성능에 대한 피드백을 제공해 주시기 바랍니다. 도움 유무, 관련성, 정확성, 세부 수준, {대상 언어} 사용에 대해 어시스턴트를 평가해 주세요. 어시스턴트는 1~10점 척도로 총점을 받게 되며, 점수가 높을수록 전반적인 성능이 우수하다는 것을 의미합니다. 먼저 어시스턴트의 점수를 나타내는 값만 포함된 한 줄을 출력해 주세요. 다음 줄에는 잠재적인 편견을 피하고 답변 순서가 판단에 영향을 미치지 않도록 평가에 대한 포괄적인 설명을 제공하세요.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|][System] We would like you to provide feedback on the Assistant's performance regarding the above question and standard answer. Please rate the Assistant on helpfulness, relevance, accuracy, level of detail, and the use of { target language }. The Assistant will receive an overall score on a scale of 1 to 10, with higher scores indicating better overall performance. Please first output a single line containing only a value representing the Assistant's score. In the following line, please provide a comprehensive explanation of your evaluation, avoiding any potential biases and ensuring that the order of answers does not affect your judgment. [|assistant|]

표 2(b)에서 관찰한 바와 같이, 모든 모델이 baseline 설정에서 성능이 저조합니다. 모델이 정확한 예측을 하기 위해서는 세부적인 컨텍스트와 최신 정보가 필요하다는 것을 직관적으로 알 수 있습니다. 우리 시스템은 뉴스 retrieval을 통해 이 문제를 해결하고 최적화된 prompting 전략과 Fine-tuning을 통해 더 나은 추론을 이끌어냅니다.[|endofturn|]

표 2(b)에서 관찰한 바와 같이, 모든 모델이 기본 설정에서 성능이 저조합니다. 모델이 정확한 예측을 하기 위해서는 세부적인 컨텍스트와 최신 정보가 필요하다는 것을 직관적으로 알 수 있습니다. 우리 시스템은 뉴스 검색을 통해 이 문제를 해결하고 최적화된 프롬프트 전략과 미세 조정을 통해 더 나은 추론을 이끌어냅니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]As observed in Table 2(b), all models perform poorly in the baseline setting. We intuit that models require detailed contexts and up-to-date information to make accurate forecasts. Our system addresses this issue via news retrieval and elicits better reasoning via optimized prompting strategies and fine-tuning. [|assistant|]

규모에 따른 우수한 BLEU 성능의 "emergence"를 보여줍니다. 이러한 유형의 "emergence"는 (Wei et al., 2022)에서 대규모로 확인되었으며, 여기서 "emergence"에 대한 작업 정의는 "작은 모델에는 존재하지 않지만 큰 모델에는 나타남"입니다. 이러한 의미에서 (Wei et al., 2022)는 다중 작업 NLU, Modular arithmetic, 단어 unscrambling 및 transliteration과 같은 많은 수의 "기술"이 규모에 따라 나타나는 것을 경험적으로 입증합니다.[|endofturn|]

규모에 따른 우수한 BLEU 성능의 "출현"을 보여줍니다. 이러한 유형의 "출현"은 (Wei et al., 2022)에서 대규모로 확인되었으며, 여기서 "출현"에 대한 작업 정의는 "작은 모델에는 존재하지 않지만 큰 모델에는 나타남"입니다. 이러한 의미에서 (Wei et al., 2022)는 다중 작업 NLU, 모듈식 산술, 단어 스크램블링 및 음역과 같은 많은 수의 "기술"이 규모에 따라 나타나는 것을 경험적으로 입증합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]demonstrating "emergence" of good BLEU performance with scale. This type of "emergence" has been massively confirmed in (Wei et al., 2022), where a working definition of "emerging" is "not present in smaller models, but appears in larger models". In this sense, (Wei et al., 2022) demonstrate empirically a large number of "skills" appearing with scale, like Multi-Task NLU, Modular arithmetic, word unscrambling and transliteration. [|assistant|]

Huang 등은 공간 토큰의 2차원 종속성을 보존하기 위해 새로운 로컬 스캐닝 전략을 제안하는 LocalMamba [92]를 소개합니다. 이들은 다양한 작업에 대한 광범위한 실험을 수행하여 ImageNet 분류에서 Viim-T보다 +3.1% 향상된 성능을 보여줍니다. Xu 등 [93]은 제스처 합성에 초점을 맞추고 길고 다양한 시퀀스를 지원하는 MambaTalk이라는 SSM 모델을 소개합니다. Pei 등 [94]은 추가 컨볼루션 브랜치를 통합하여 효율적인 VAMba를 제안하고 ImageNet-1K 및 COCO 감지 데이터 세트에서 baseline을 크게 개선합니다. Du 등 [95]은 다양한 측면에서 VAMba의 robustness를 탐구합니다. 예를 들어, 전체 이미지와 패치별 방법을 모두 사용하여 적대적 공격에 대한 복원력을 조사하여 Transformer 아키텍처에 비해 우수한 robustness를 밝혀냈지만 scalability 약점이 있음을 밝혔습니다. 또한 다양한 시나리오에 걸친 VAMba의 일반적인 robustness를 평가했습니다. Shi 등 [96]은 압축 이미지 복원 작업에 상태 공간 모델링의 선형 복잡성을 도입하여 기존 방법의 몇 가지 단점을 극복하는 새로운 이미지 복원 방법인 VambaIR을 제안합니다. Fang 등 [83]은 선택적 구조화된 State Space Model (Mamba)과 다중 인스턴스 학습(MIL) 접근 방식을 결합한 최초의 작업인 전체 슬라이드 이미지 분류를 해결하기 위해 MamMI 프레임워크를 제시합니다. MamMIL은 분류 성능과 메모리 사용량 측면에서 Transformer 기반의 기존 최첨단 MIL 프레임워크보다 뛰어난 성능을 발휘합니다. Li 등은 실시간 모바일 애플리케이션의 일반적인 컴퓨팅 리소스 제약을 해결하기 위해 설계된 경량 선택적 State Space Model (SSM)을 활용하는 HARMamba [137]라는 웨어러블 센서 인체 활동 인식(HAR)에 대한 새로운 접근 방식을 소개합니다. Yang 등은 원격 감지에서 초분광 이미징 데이터의 복잡성과 고차원적 특성을 해결하기 위한 HSIMamba [138]라는 새로운 초분광 이미지 분류 프레임워크를 소개합니다. 이 프레임워크에는 효율적으로 스펙트럼 특징을 추출하기 위해 양방향 역방향 CNN과 공간 분석을 위한 특수 블록이 통합되어 있습니다.[|endofturn|]

Huang 등은 공간 토큰의 2차원 종속성을 보존하기 위해 새로운 로컬 스캐닝 전략을 제안하는 LocalMamba [92]를 소개합니다. 이들은 다양한 작업에 대한 광범위한 실험을 수행하여 ImageNet 분류에서 Viim-T보다 +3.1% 향상된 성능을 보여줍니다. Xu 등 [93]은 제스처 합성에 초점을 맞추고 길고 다양한 시퀀스를 지원하는 MambaTalk이라는 SSM 모델을 소개합니다. Pei 등 [94]은 추가 컨볼루션 브랜치를 통합하여 효율적인 VAMba를 제안하고 ImageNet-1K 및 COCO 감지 데이터 세트에서 기준을 크게 개선합니다. Du 등 [95]은 다양한 측면에서 VAMba의 견고성을 탐구합니다. 예를 들어, 전체 이미지와 패치별 방법을 모두 사용하여 적대적 공격에 대한 복원력을 조사하여 트랜스포머 아키텍처에 비해 우수한 견고성을 밝혀냈지만 확장성 약점이 있음을 밝혔습니다. 또한 다양한 시나리오에 걸친 VAMba의 일반적인 견고성을 평가했습니다. Shi 등 [96]은 압축 이미지 복원 작업에 상태 공간 모델링의 선형 복잡성을 도입하여 기존 방법의 몇 가지 단점을 극복하는 새로운 이미지 복원 방법인 VambaIR을 제안합니다. Fang 등 [83]은 선택적 구조화된 상태 공간 모델(Mamba)과 다중 인스턴스 학습(MIL) 접근 방식을 결합한 최초의 작업인 전체 슬라이드 이미지 분류를 해결하기 위해 MamMI 프레임워크를 제시합니다. MamMIL은 분류 성능과 메모리 사용량 측면에서 Transformer 기반의 기존 최첨단 MIL 프레임워크보다 뛰어난 성능을 발휘합니다. Li 등은 실시간 모바일 애플리케이션의 일반적인 컴퓨팅 리소스 제약을 해결하기 위해 설계된 경량 선택적 상태 공간 모델(SSM)을 활용하는 HARMamba [137]라는 웨어러블 센서 인체 활동 인식(HAR)에 대한 새로운 접근 방식을 소개합니다. Yang 등은 원격 감지에서 초분광 이미징 데이터의 복잡성과 고차원적 특성을 해결하기 위한 HSIMamba [138]라는 새로운 초분광 이미지 분류 프레임워크를 소개합니다. 이 프레임워크에는 효율적으로 스펙트럼 특징을 추출하기 위해 양방향 역방향 CNN과 공간 분석을 위한 특수 블록이 통합되어 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Huang et al. introduce LocalMamba [92], which proposes a new local scanning strategy to preserve the two-dimensional dependencies of spatial tokens. They conduct extensive experiments on various tasks and demonstrate that LocalMamba improves over Viim-T by +3.1% on the ImageNet classification. Xu et al. [93] introduce an SSM model termed MambaTalk which focuses on gesture synthesis and supports long and various sequences. Pei et al. [94] proposes the EfficientVAMba by incorporating additional convolutional branches and further improves the baseline significantly on the ImageNet-1K and COCO detection datasets. Du et al. [95] explore the robustness of VAMba from various aspects, for example, they investigate the resilience to adversarial attacks using both whole-image and patch-specific methods, revealing superior robustness compared to Transformer architectures but with scalability weaknesses. They also assess VAMba's general robustness across diverse scenarios. Shi et al. [96] propose a new image restoration method, VambaIR, which overcomes some of the shortcomings of traditional methods by introducing the linear complexity of state-space modeling to a compressive image restoration task. Fang et al. [83] present the MamMI framework to address the classifying of whole slide images which is the first work to combine the selective structured State Space Model (Mamba) and a multi-instance learning (MIL) approach. MamMIL outperforms existing state-of-the-art MIL frameworks based on Transformer in terms of classification performance and memory usage. Li et al. introduce a novel approach to wearable sensor human activity recognition (HAR) called HARMamba [137], which utilizes a lightweight selective State Space Model (SSM) designed to address computational resource constraints typical of real-time mobile applications. Yang et al. introduce a novel hyperspectral image classification framework called HSIMamba [138], which aims to address the complexity and high-dimensional nature of hyperspectral imaging data in remote sensing. The proposed framework incorporates a bidirectional reversed CNN to efficiently extract spectral features, alongside a specialized block for spatial analysis. [|assistant|]

그림 7: 반복적 정제 실험을 위해 \(100_{0}00\) training 가설에 대한 BLEU 점수. 대부분의 training 예제는 BLEU 점수가 \(20\) 미만입니다.[|endofturn|]

그림 7: 반복적 정제 실험을 위해 \(100_{0}00\) 훈련 가설에 대한 BLEU 점수. 대부분의 훈련 예제는 BLEU 점수가 \(20\) 미만입니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Figure 7: BLEU scores across the \(100_{0}00\) training hypotheses for our iterative refinement experiment. Most training examples have a BLEU score below \(20\). [|assistant|]

시각적 및 언어적 정보 융합 측면에서 Zhao 등[147]은 Mamba 언어 모델의 내부 정보 통합을 최적화하여 보다 효과적인 표현을 달성합니다. Decision Mamba(DMamba) [148]는 Mamba 프레임워크를 Decision Transformer (DT) [152]에 통합합니다. Decision Mamba와 DT를 비교한 일련의 실험을 통해 Mamba가 Reinforcement Learning (RL) 작업에 효과적이라는 것이 입증되었습니다. 그러나 저자들이 고려한 RL 작업에는 CPU와 GPU의 상호 작용이 많기 때문에 Mamba 블록을 DT에 단순히 적용해도 효율성이 향상되지 않습니다. 또 다른 결핍점은 하이퍼 파라미터 검색과 RL 작업의 데이터 구조를 더 효과적으로 반영하기 위해 Mamba 블록을 사용하는 방법에 대한 분석이 부재한다는 점입니다. Sigma [149]는 멀티모달 시맨틱 세분화에 성공적으로 적용된 최초의 상태 공간 모델입니다. 이 모델은 Attention 기반 Mamba 융합 메커니즘인 VMamba와 채널 인식 Mamba Decoder로 구성되어 있으며, 다양한 실험에서 뛰어난 성능을 보여주었습니다. 그러나 Sigma는 더 긴 시퀀스를 처리하는 데 활용도가 낮으며, Mamba Encoder의 메모리 소비가 상대적으로 많아 경량 엣지 디바이스에 배포하기 어렵습니다.[|endofturn|]

시각적 및 언어적 정보 융합 측면에서 Zhao 등[147]은 맘바 언어 모델의 내부 정보 통합을 최적화하여 보다 효과적인 표현을 달성합니다. 의사 결정 맘바(DMamba) [148]는 의사 결정 트랜스포머(DT) [152]에 맘바 프레임워크를 통합합니다. 의사 결정 맘바와 DT를 비교한 일련의 실험을 통해 맘바가 강화 학습(RL) 작업에 효과적이라는 것이 입증되었습니다. 그러나 저자들이 고려한 RL 작업에는 CPU와 GPU의 상호 작용이 많기 때문에 Mamba 블록을 DT에 단순히 적용해도 효율성이 향상되지 않습니다. 또 다른 결핍점은 하이퍼 파라미터 검색과 RL 작업의 데이터 구조를 더 효과적으로 반영하기 위해 Mamba 블록을 사용하는 방법에 대한 분석이 부재한다는 점입니다. 시그마 [149]는 멀티모달 시맨틱 세분화에 성공적으로 적용된 최초의 상태 공간 모델입니다. 이 모델은 주의력 기반 맘바 융합 메커니즘인 VMamba와 채널 인식 맘바 디코더로 구성되어 있으며, 다양한 실험에서 뛰어난 성능을 보여주었습니다. 그러나 시그마는 더 긴 시퀀스를 처리하는 데 활용도가 낮으며, 맘바 인코더의 메모리 소비가 상대적으로 많아 경량 엣지 디바이스에 배포하기 어렵습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]In terms of visual and linguistic information fusion, Zhao et al. [147] optimizes the internal information integration of the Mamba language model to achieve a more effective expression. Decision Mamba(DMamba) [148] integrates the Mamba framework into the Decision Transformer (DT) [152]. A series of experiments comparing Decision Mamba and DT show that Mamba is effective in reinforcement learning (RL) tasks. But simply applying Mamba blocks to DT does not improve efficiency, because the RL tasks considered by the authors have a large number of CPU and GPU interactions. Another deficiency is the absence of a hyper-parameter search and an analysis of how to use the Mamba block more effectively to reflect the data structure of RL tasks. Sigma [149] is the first State Space Model successfully applied in multi-modal semantic segmentation. It is composed of VMamba, an attention-based Mamba fusion mechanism and a channel-aware Mamba decoder, and has shown excellent performance in various experiments. However, Sigma is underutilized in handling longer sequences, and the memory consumption of Mamba encoders is still relatively large, making it difficult to deploy on lightweight edge devices. [|assistant|]

시각적 장에. 연속적인 2D 스캐닝 프로세스를 통해 공간 연속성을 개선하고 방향 지각을 업데이트함으로써 모델은 방향 정보를 인코딩하여 레이블의 공간 관계를 구분할 수 있으므로 2D 이미지에서 특징을 학습하는 능력을 향상시킬 수 있습니다. Wang 등은 곤충 분류 작업에 사용할 수 있는 InsectMamba [112]를 제안하고, State Space Model, Convolutional Neural Network (CNN), multi-head self-attention mechanism (MSA), 다층 퍼셉트론(MLP)을 하이브리드 상태 공간 모듈(Mix-SSM)에 통합하여 모델의 분류 능력을 향상시킵니다.[|endofturn|]

시각적 장에. 연속적인 2D 스캐닝 프로세스를 통해 공간 연속성을 개선하고 방향 지각을 업데이트함으로써 모델은 방향 정보를 인코딩하여 레이블의 공간 관계를 구분할 수 있으므로 2D 이미지에서 특징을 학습하는 능력을 향상시킬 수 있습니다. Wang 등은 곤충 분류 작업에 사용할 수 있는 InsectMamba [112]를 제안하고, 상태 공간 모델, 컨볼루션 신경망(CNN), 다중 헤드 자기 주의 메커니즘(MSA), 다층 퍼셉트론(MLP)을 하이브리드 상태 공간 모듈(Mix-SSM)에 통합하여 모델의 분류 능력을 향상시킵니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]to the visual field. By improving spatial continuity through the continuous 2D scanning process and updating direction perception, the model can distinguish spatial relationships of labels by encoding direction information, thereby enhancing its ability to learn features from 2D images. Wang et al. propose InsectMamba [112] that can be used in the insect classification task and improve the classification ability of the model by integrating a State Space Model, a convolutional neural network (CNN), a multi-head self-attention mechanism (MSA), and multi-layer perceptrons (MLPs) in a hybrid state space module (Mix-SSM). [|assistant|]

이 작업의 또 다른 한계는 이상적인 언어 모델링 헤드의 차원과 순위 제한 성능 간에 설정한 수학적 연관성이 느슨하다는 점입니다(cf. 정리 5.3). 또한 _이상_\(x_{i}^{*}\) 표현을 고려하는 것은 잘 정의되지 않은 개념이라고 주장할 수도 있습니다. 우리는 정리 5.3의 추론이 데모에서 _이상적_ 특성이 필요하지 않기 때문에 모든 컨텍스트 표현에 적용될 수 있다고 주장합니다. '이상적'이라는 단어는 주어진 훈련 세트 \(\mathcal{T}\)에 대해 이러한 표현이 \(W^{*}\) 행렬에 부과하는 구조에 따라 달라지는 정도까지, _모든 기본 모델_에서 얻은 \(x_{i}^{*}\) 표현에 대해 우리의 관찰이 유지됨을 반영합니다.[|endofturn|]

이 작업의 또 다른 한계는 이상적인 언어 모델링 헤드의 차원과 순위 제한 성능 간에 설정한 수학적 연관성이 느슨하다는 점입니다(cf. 정리 5.3). 또한 _이상_\(x_{i}^{*}\) 표현을 고려하는 것은 잘 정의되지 않은 개념이라고 주장할 수도 있습니다. 우리는 정리 5.3의 추론이 데모에서 _이상적_ 특성이 필요하지 않기 때문에 모든 컨텍스트 표현에 적용될 수 있다고 주장합니다. '이상적'이라는 단어는 주어진 훈련 세트 \mathcal{T}\)에 대해 이러한 표현이 \(W^{*}\) 행렬에 부과하는 구조에 따라 달라지는 정도까지, _모든 기본 모델_에서 얻은 \(x_{i}^{*}\) 표현에 대해 우리의 관찰이 유지됨을 반영합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Another limitation of this work is the loose nature of the mathematical connection that we establish between the dimensionality of the ideal language modeling head and the rank-constrained performance (cf. Theorem 5.3). Moreover, it can also be argued that considering _ideal_\(x_{i}^{*}\) representations is an ill-defined notion. We argue that the reasoning behind Theorem 5.3 could be applied to any contextual representations, as the _ideal_ nature of \(x_{i}^{*}\) is not necessary in the demonstrations. The word _ideal_ reflects that our observations hold for \(x_{i}^{*}\) representations obtained from _any underlying model_, to an extent that depends on the structure that these representations impose on the \(W^{*}\) matrix for a given training set \(\mathcal{T}\). [|assistant|]

**새로운 정보 학습** 그림 3에서 우리는 실험 전반에서 관찰된 흥미로운 현상을 볼 수 있습니다. 각 epoch, 즉 전체 데이터 세트에 대한 또 다른 반복을 완료한 후 training loss가 크게 감소합니다. 이는 훈련 중에 데이터를 암기하고 과적합하는 LLM에 대해 알려진 것과 일치합니다 Tirumala et al. (2022).[|endofturn|]

**새로운 정보 학습** 그림 3에서 우리는 실험 전반에서 관찰된 흥미로운 현상을 볼 수 있습니다. 각 에포크, 즉 전체 데이터 세트에 대한 또 다른 반복을 완료한 후 훈련 손실이 크게 감소합니다. 이는 훈련 중에 데이터를 암기하고 과적합하는 LLM에 대해 알려진 것과 일치합니다 Tirumala et al. (2022).[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**Learning New Information** In Figure 3, we can see an interesting phenomenon observed throughout our experiments. After each epoch, i.e., completing another iteration over the entire dataset, the training loss drops significantly. This is consistent with what is known about LLMs memorizing the data during training and overfitting Tirumala et al. (2022). [|assistant|]

- 예측에 영향을 줄 수 있는 Google에서 정보를 수집하기 위해 간단한 검색어(각각 최대 {max_words} 단어)를 생성합니다.[|endofturn|]

- 예측에 영향을 줄 수 있는 Google에서 정보를 수집하기 위해 간단한 검색어(각각 최대 {최대_단어} 단어)를 생성합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]- Generate brief search queries (up to {max_words} words each) to gather information on Google that could influence the forecast. [|assistant|]

최근 들어 Large Language Models (LLMs) [1; 2; 3; 4; 5; 6; 7; 8; 9]이 큰 주목을 받고 있으며 인상적인 성과를 보여주고 있습니다. 특히 OpenAI의 ChatGPT가 대표적인 예로 꼽힙니다. 방대한 양의 인터넷 데이터에 대한 광범위한 사전 학습과 상세한 instruction data [10]를 통해 추가 Fine-tuning을 통해 이러한 모델은 다양한 작업에서 state-of-the-art (SOTA) zero-shot 성능을 달성했습니다. 이러한 추세는 코드 이해 및 생성 영역에서도 관찰됩니다. 수많은 Code LLMs [11; 12; 13; 14; 15; 16; 17; 18]이 코드 관련 작업과 관련된 문제를 해결하기 위해 제안되었습니다. 이러한 Code LLMs은 상당한 양의 코드 데이터를 사용하여 사전 학습을 거치므로 다양한 코드 관련 작업에서 뛰어난 성능을 보여주며 인상적인 성과를 보여줍니다.[|endofturn|]

최근 들어 대규모 언어 모델(LLM) [1; 2; 3; 4; 5; 6; 7; 8; 9]이 큰 주목을 받고 있으며 인상적인 성과를 보여주고 있습니다. 특히 OpenAI의 ChatGPT가 대표적인 예로 꼽힙니다. 방대한 양의 인터넷 데이터에 대한 광범위한 사전 학습과 상세한 지침 데이터 [10]를 통해 추가 미세 조정을 통해 이러한 모델은 다양한 작업에서 최첨단(SOTA) 제로 샷 성능을 달성했습니다. 이러한 추세는 코드 이해 및 생성 영역에서도 관찰됩니다. 코드 관련 작업과 관련된 문제를 해결하기 위해 수많은 코드 LLM [11; 12; 13; 14; 15; 16; 17; 18]이 제안되었습니다. 이러한 코드 LLM은 상당한 양의 코드 데이터를 사용하여 사전 학습을 거치므로 다양한 코드 관련 작업에서 뛰어난 성능을 보여주며 인상적인 성능을 보여줍니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Recently, Large Language Models (LLMs) [1; 2; 3; 4; 5; 6; 7; 8; 9] have garnered significant attention and demonstrated impressive success. Notably, OpenAI's ChatGPT stands out as a prominent example. Leveraging extensive pre-training on vast amounts of internet data and further fine-tuning with detailed instruction data [10], these models have achieved state-of-the-art (SOTA) zero-shot performance across diverse tasks. This trend is also observed in the domain of code understanding and generation. Numerous Code LLMs [11; 12; 13; 14; 15; 16; 17; 18] have been proposed to tackle the challenges associated with code-related tasks. These Code LLMs undergo pre-training using substantial amounts of code data, enabling them to excel in various code-related tasks, showcasing impressive performance. [|assistant|]

Autoregressive Language Modeling 프레임워크에서 \(n\) 토큰 \(x_{1}\),..., \(x_{n}\)의 시퀀스가 주어지면 모델은 자동 회귀 방식으로 다음 토큰 \(x_{n+1}\)(때로는 다음 토큰 시퀀스)를 예측하려고 시도합니다.[|endofturn|]

자동 회귀 언어 모델링** 프레임워크에서 \(n\) 토큰 \(x_{1}\),..., \(x_{n}\)의 시퀀스가 주어지면 모델은 자동 회귀 방식으로 다음 토큰 \(x_{n+1}\)(때로는 다음 토큰 시퀀스)를 예측하려고 시도합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]In **Autoregressive Language Modeling** framework, given a sequence of \(n\) tokens \(x_{1}\),..., \(x_{n}\), the model tries to predict next token \(x_{n+1}\) (and sometimes next sequence of tokens) in an auto-regressive fashion. [|assistant|]

\(\bullet\)_작업 목표를 명확하게 표현합니다._ 작업 설명은 모호하거나 불분명해서는 안 되며, 이로 인해 부정확하거나 부적절한 응답이 발생할 수 있습니다. 이는 이러한 모델을 활용할 때 명확하고 모호하지 않은 지침이 필요하다는 점을 강조합니다[66]. 명확하고 상세한 설명에는 작업 목표, 입력/출력 데이터(_예: "긴 문서가 주어졌을 때, 간결한 요약을 생성해 주세요."_), 응답 제약 조건(_예: "요약의 길이는 50을 초과할 수 없습니다."_) 등 작업을 설명하는 다양한 요소가 포함되어야 합니다. 명확하게 설명된 작업 설명을 제공하면 LLMs이 목표 작업을 보다 효과적으로 이해하고 원하는 결과물을 생성할 수 있습니다.[|endofturn|]

\(\bullet\)_작업 목표를 명확하게 표현합니다._ 작업 설명은 모호하거나 불분명해서는 안 되며, 이로 인해 부정확하거나 부적절한 응답이 발생할 수 있습니다. 이는 이러한 모델을 활용할 때 명확하고 모호하지 않은 지침이 필요하다는 점을 강조합니다[66]. 명확하고 상세한 설명에는 작업 목표, 입력/출력 데이터(_예: "긴 문서가 주어졌을 때, 간결한 요약을 생성해 주세요."_), 응답 제약 조건(_예: "요약의 길이는 50을 초과할 수 없습니다."_) 등 작업을 설명하는 다양한 요소가 포함되어야 합니다. 명확하게 설명된 작업 설명을 제공하면 LLM이 목표 작업을 보다 효과적으로 이해하고 원하는 결과물을 생성할 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]\(\bullet\)_Expressing the task goal clearly._ Task descriptions should not be ambiguous or unclear, which likely lead to inaccurate or inappropriate responses. This highlights the need for clear and unambiguous directives when utilizing these models [66]. A clear and detailed description should contain various elements to explain a task, including task objective, input/output data (_e.g._, _"Given a long document, I want you to generate a concise summary."_), and the response constraints (_e.g._, _"the length of the summary cannot exceed 50."_). By providing a well-clarified task description, LLMs can more effectively understand the target task and generate the desired output. [|assistant|]

또한, 그림 7의 power law를 통해 선택된 토큰의 loss를 downstream task 성능과 연관시키는데, 이는 동시 연구(Gadre et al., 2024)와 유사합니다. 그래프의 데이터 포인트에서 피팅한 곡선을 관찰하면, SLM이 선택한 토큰의 평균 loss는 downstream task의 성능과 양의 상관관계를 보이는 반면, 선택되지 않은 토큰의 평균 loss는 downstream task 성능과 음의 상관관계를 보입니다. 따라서 모델의 궁극적인 성능에 도움이 되기 위해 모든 토큰의 loss가 감소할 필요는 없습니다. 자세한 내용은 부록 D를 참조하세요.[|endofturn|]

또한, 그림 7의 거듭제곱 법칙을 통해 선택된 토큰의 손실을 다운스트림 작업 성능과 연관시키는데, 이는 동시 연구(Gadre et al., 2024)와 유사합니다. 그래프의 데이터 포인트에서 피팅한 곡선을 관찰하면, SLM이 선택한 토큰의 평균 손실은 다운스트림 작업의 성능과 양의 상관관계를 보이는 반면, 선택되지 않은 토큰의 평균 손실은 다운스트림 작업 성능과 음의 상관관계를 보입니다. 따라서 모델의 궁극적인 성능에 도움이 되기 위해 모든 토큰의 손실이 감소할 필요는 없습니다. 자세한 내용은 부록 D를 참조하세요.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Moreover, We relate the selected tokens' loss to its downstream task performance via a power law in Figure 7, which is similar to a concurrent study (Gadre et al., 2024). Observing the curve fitted from the data points in the graph, the average loss of tokens selected by the SLM shows a positive correlation with the performance of downstream tasks, whereas the average loss of tokens not selected exhibits a negative correlation with downstream task performance. Therefore, it is not necessary for the all tokens' loss to decrease to benefit the model's ultimate performance. See Appendix D for more details. [|assistant|]

연산자 \(f\)는 단순히 보상 함수를 \(\pi_{r}\)의 분할 함수의 로그로 정규화합니다. 추가된 정규화 항은 접두사 \(x\)의 함수이므로 \(f(r;\pi_{\text{ref}},\beta)(x,y)\)는 \(r(x,y)\)의 등가 클래스에서 보상 함수입니다. 마지막으로, \(r\)을 Eq. 5의 RHS(모든 보상 함수에 대해 유지됨)로 바꾸면 \(f(r;\pi_{\text{ref}},\beta)(x,y)=\beta\log\frac{\pi_{r}(y|x)}{\pi_{\text{ref}} (y|x)}\)가 됩니다. 즉, projection \(f\)는 원하는 형태의 \(r\) 등가 클래스의 멤버를 생성하며, 제안된 reparameterization로 인해 보상 모델에서 일반성을 잃지 않습니다.[|endofturn|]

연산자 \(f\)는 단순히 보상 함수를 \(\pi_{r}\)의 분할 함수의 로그로 정규화합니다. 추가된 정규화 항은 접두사 \(x\)의 함수이므로 \(f(r;\pi_{\text{ref}},\beta)(x,y)\)는 \(r(x,y)\)의 등가 클래스에서 보상 함수입니다. 마지막으로, \(r\)을 Eq. 5의 RHS(모든 보상 함수에 대해 유지됨)로 바꾸면 \(f(r;\pi_{\text{ref}},\beta)(x,y)=\beta\log\frac{\pi_{r}(y|x)}{\pi_{\text{ref}} (y|x)}\)가 됩니다. 즉, 투영 \(f\)는 원하는 형태의 \(r\) 등가 클래스의 멤버를 생성하며, 제안된 재매개변수화로 인해 보상 모델에서 일반성을 잃지 않습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]The operator \(f\) simply normalizes the reward function with the logarithm of the partition function of \(\pi_{r}\). Since the added normalization term is only a function of the prefix \(x\), \(f(r;\pi_{\text{ref}},\beta)(x,y)\) is a reward function in the equivalence class of \(r(x,y)\). Finally, replacing \(r\) with the RHS of Eq. 5 (which holds for any reward function), we have \(f(r;\pi_{\text{ref}},\beta)(x,y)=\beta\log\frac{\pi_{r}(y|x)}{\pi_{\text{ref}} (y|x)}\). That is, the projection \(f\) produces a member of the equivalence class of \(r\) with the desired form, and we do not lose any generality in our reward model from the proposed reparameterization. [|assistant|]

'<s> Q: 같은 사람과 같은 일에 대해 반복해서 이야기하는 것은 <|startofthought|>n\n(a) a one-to-one correlation\n\n(b) a one-to<| endofthought|> 누군가가 무엇을 할 수 있는가?' [|endofturn|]

'<s> Q: 같은 사람과 같은 일에 대해 반복해서 이야기하는 것은 <|startofthought|>n\n(a) 일대일 상관관계\n\n(b) 일대일 상관관계<| endofthought|> 누군가가 무엇을 할 수 있는가?'[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]'<s> Q: Talking to the same person about the same thing over and over again is <|startofthought|>n\n(a) a one-to-one correlation\n\n(b) a one-to<| endofthought|> something someone can what?' [|assistant|]

여기서 \(E_{test}^{clean}\)은 깨끗한 데이터(AI가 생성하지 않은)로 학습된 모델의 일반적인 테스트 오류입니다. 즉, 예를 들어 방정식 (2) 및 (4)에서 \(k^{-c^{\prime}}\)은 \(nk^{-c^{\prime}}\)으로 대체됩니다. 이러한 곱셈적 저하의 한 가지 가능한 해석은 시간이 지남에 따라(즉, 세대 수가 많아짐에 따라) 야생에서 Large Language Models (LLMs)(예: ChatGPT)의 영향이 웹을 오염시켜 학습이 불가능해질 것이라는 것입니다. 이로 인해 깨끗한/AI가 생성하지 않은 데이터의 가치와 비용이 증가할 가능성이 높습니다.[|endofturn|]

여기서 \(E_{test}^{clean}\)은 깨끗한 데이터(AI가 생성하지 않은)로 학습된 모델의 일반적인 테스트 오류입니다. 즉, 예를 들어 방정식 (2) 및 (4)에서 \(k^{-c^{\프라임}}\)은 \(nk^{-c^{\프라임}}\)으로 대체됩니다. 이러한 곱셈적 저하의 한 가지 가능한 해석은 시간이 지남에 따라(즉, 세대 수가 많아짐에 따라) 야생에서 대규모 언어 모델(예: ChatGPT)의 영향이 웹을 오염시켜 학습이 불가능해질 것이라는 것입니다. 이로 인해 깨끗한/AI가 생성하지 않은 데이터의 가치와 비용이 증가할 가능성이 높습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]where \(E_{test}^{clean}\) is the usual test error of the model trained on clean data (not AI-generated). This means that in Equations (2) and (4) for example, the \(k^{-c^{\prime}}\) is replaced by \(nk^{-c^{\prime}}\). One possible interpretation of this multiplicative degradation is that, over time (i.e as the number of generations becomes large), the effect of large language models (like ChatGPT) in the wild will be a pollution of the web to the extend that learning will be impossible. This will likely increase the value and cost of clean / non-AI-generated data. [|assistant|]

FiD-light(Hofstatter et al., 2023)는 순위를 최적화하기 위해 소스 포인터를 사용하는 listwise autoregressive re-ranking 방법을 소개합니다. 이 방법은 생성된 텍스트와 소스 구절 간의 링크를 유지하여 보다 체계적인 생성 프로세스를 가능하게 합니다. 모델 출력에 관련 정보 소스에 대한 포인터로 텍스트 인용을 통합함으로써 체계적인 retrieval 및 generation 프로세스를 촉진하여 생성된 콘텐츠의 전반적인 일관성과 관련성을 향상시킵니다.[|endofturn|]

FiD-light(Hofstatter et al., 2023)는 순위를 최적화하기 위해 소스 포인터를 사용하는 목록 순위 자동 회귀 방법을 소개합니다. 이 방법은 생성된 텍스트와 소스 구절 간의 링크를 유지하여 보다 체계적인 생성 프로세스를 가능하게 합니다. 모델 출력에 관련 정보 소스에 대한 포인터로 텍스트 인용을 통합함으로써 체계적인 검색 및 생성 프로세스를 촉진하여 생성된 콘텐츠의 전반적인 일관성과 관련성을 향상시킵니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]FiD-light (Hofstatter et al., 2023) introduces a listwise autoregressive re-ranking method that employs source pointers to optimize the ranking order. This method maintains a link between the generated text and source passages, enabling a more structured generation process. By incorporating textual citations within the model's output as pointers to relevant information sources, this approach facilitates an organized retrieval and generation process, enhancing the overall coherence and relevance of the generated content. [|assistant|]

토큰화.** Tokenization은 데이터 전처리를 위한 중요한 단계이기도 합니다. Tokenization은 원시 텍스트를 개별 토큰의 시퀀스로 분할하여 LLM의 입력으로 사용하는 것을 목표로 합니다. 기존 NLP 연구(예: 조건부 랜덤 필드를 사용한 시퀀스 라벨링 [220])에서는 단어 기반 Tokenization이 주된 접근 방식으로, 이는 인간의 언어 인지와 더 잘 부합합니다. 그러나 단어 기반 Tokenization은 일부 언어(예: 중국어 단어 분할)에서 동일한 입력에 대해 서로 다른 분할 결과를 생성할 수 있으며, 빈도가 낮은 단어가 포함된 방대한 단어 어휘를 생성할 수 있고, '어휘 외 단어' 문제도 발생할 수 있습니다. 따라서 몇몇 신경망 모델에서는 _문자_를 최소 단위로 사용하여 단어 표현을 도출합니다(_예: ELMo [21]의 CNN 단어 Encoder). 최근에는 Transformer 기반 언어 모델에서 _서브워드 Tokenization_가 널리 사용되고 있으며, 일반적으로 Byte-Pair Encoding Tokenization, WordPiece Tokenization, Unigram Tokenization이 포함됩니다. HuggingFace는 Tokenizer22에 대한 뛰어난 온라인 NLP 강좌를 운영 중이며, 초보자는 이 강좌를 참조하세요. 다음에서는 대표적인 Tokenization 방법 세 가지를 간략하게 설명합니다.[|endofturn|]

토큰화.** 토큰화는 데이터 전처리를 위한 중요한 단계이기도 합니다. 토큰화는 원시 텍스트를 개별 토큰의 시퀀스로 분할하여 LLM의 입력으로 사용하는 것을 목표로 합니다. 기존 NLP 연구(예: 조건부 랜덤 필드를 사용한 시퀀스 라벨링 [220])에서는 단어 기반 토큰화가 주된 접근 방식으로, 이는 인간의 언어 인지와 더 잘 부합합니다. 그러나 단어 기반 토큰화는 일부 언어(예: 중국어 단어 분할)에서 동일한 입력에 대해 서로 다른 분할 결과를 생성할 수 있으며, 빈도가 낮은 단어가 포함된 방대한 단어 어휘를 생성할 수 있고, '어휘 외 단어' 문제도 발생할 수 있습니다. 따라서 몇몇 신경망 모델에서는 _문자_를 최소 단위로 사용하여 단어 표현을 도출합니다(_예: ELMo [21]의 CNN 단어 인코더). 최근에는 트랜스포머 기반 언어 모델에서 _서브워드 토큰화_가 널리 사용되고 있으며, 일반적으로 바이트 쌍 인코딩 토큰화, 워드피스 토큰화, 유니그램 토큰화가 포함됩니다. HuggingFace는 토큰라이저22에 대한 뛰어난 온라인 NLP 강좌를 운영 중이며, 초보자는 이 강좌를 참조하세요. 다음에서는 대표적인 토큰화 방법 세 가지를 간략하게 설명합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**Tokenization.** Tokenization is also a crucial step for data preprocessing. It aims to segment raw text into sequences of individual tokens, which are subsequently used as the inputs of LLMs. In traditional NLP research (_e.g.,_ sequence labeling with conditional random fields [220]), word-based tokenization is the predominant approach, which is more aligned with human's language cognition. However, word-based tokenization can yield different segmentation results for the same input in some languages (_e.g.,_ Chinese word segmentation), generate a huge word vocabulary containing many low-frequency words, and also suffer from the _"out-of-vocabulary"_ issue. Thus, several neural network models employ _character_ as the minimum unit to derive the word representation (_e.g.,_ a CNN word encoder in ELMo [21]). Recently, _subword tokenizers_ have been widely used in Transformer based language models, typically including Byte-Pair Encoding tokenization, WordPiece tokenization and Unigram tokenization. HuggingFace has maintained an excellent online NLP course on tokenizer22 with running examples, and we refer to the beginners to this course. Next, we briefly describe the three representative tokenization methods. [|assistant|]

그림 2: 표 1의 모든 실험에 걸쳐 평균(열별)된 각 knowledge-injection 방법에 대한 상대적 정확도 향상(식 (5) 설명)을 보여준다.[|endofturn|]

그림 2: 표 1의 모든 실험에 걸쳐 평균(열별)된 각 지식 주입 방법에 대한 상대적 정확도 향상(식 (5) 설명)을 보여준다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Figure 2: The relative accuracy gain (as explained in Equation (5)) for each knowledge-injection method, averaged (columnwise) across all experiments in Table 1. [|assistant|]

Wikipedia.org에서 9개 종목(Athletics, weightlifting, swimming, archery, track cycling, rowing, shooting, short track speed skating, speed skating)의 올림픽 기록 페이지를 가져왔습니다. 기록은 table 형식으로 추출되며, 각 기록 항목에 대해 질문이 생성됩니다. 필터링 후 총 192개의 고유한 질문과 답변을 추출했습니다.[|endofturn|]

Wikipedia.org에서 9개 종목(육상, 역도, 수영, 양궁, 트랙 사이클, 조정, 사격, 쇼트트랙 스피드 스케이팅, 스피드 스케이팅)의 올림픽 기록 페이지를 가져왔습니다. 기록은 표 형식으로 추출되며, 각 기록 항목에 대해 질문이 생성됩니다. 필터링 후 총 192개의 고유한 질문과 답변을 추출했습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]We pulled Olympics records pages from Wikipedia.org across 9 sports: Athletics, weightlifting, swimming, archery, track cycling, rowing, shooting, short track speed skating, and speed skating. Records are extracted in a table format, from which questions are generated for each record entry. In total, after filtering, we extracted 192 unique questions and answers. [|assistant|]

데이터 세트 선택사전 학습 LLM을 위한 고품질 데이터를 선택하는 것은 활발하고 영향력이 크지만 아직 연구가 부족한 분야입니다. 예를 들어, GPT-2 모델은 소셜 미디어 플랫폼인 Reddit에서 카르마(Brown et al., 2020)를 3개 이상 받은 모든 아웃바운드 링크를 대상으로 사전 학습을 진행했습니다. 이는 문서가 _흥미롭거나_, _교육적이거나_, _그냥 재미있거나_ 하는 지표로 사용되었습니다. 후속 연구에서는 위키피디아와 유사한 문서의 우선순위를 정하는 등의 다른 heuristic을 사용했습니다(Gururangan et al., 2022). Rae et al. (2021)은 특정 stopword의 부재, 문서 길이, 알파벳 문자 비율, 평균 단어 길이, 기호 대 단어 비율, 글머리 기호로 시작하거나 줄임표로 끝나는 줄의 비율 등과 같은 여러 heuristic filter를 사용하여 문서를 제거했습니다. 이 연구는 텍스트 데이터를 필터링하는 데 있어 복잡성을 강조합니다. 학습을 위한 더 나은 데이터 세트를 구축하기 위한 대안 패러다임은 고품질 데이터 세트를 추출하는 것입니다. Xie et al. (2023)은 다양한 도메인의 데이터에 가중치를 부여하여 언어 모델을 사전 학습하는 데 가장 적합한 데이터 혼합물을 선택하는 방법인 DoReMi를 제안했습니다. 동시에 Abbas et al. (2023)은 사전 학습 데이터의 중복을 제거하면 사전 학습 효율성을 향상시킬 수 있음을 보여주었습니다. 최근에는 LLM의 더 빠른 Fine-tuning을 위해 저품질 데이터를 자동으로 필터링하는 방법이 여러 가지 제안되었습니다(Chen et al., 2023; Solaiman and Dennison, 2021; Zhou et al., 2023). 동시에 CLIP(Radford et al., 2021)과 같은 이미지 언어 모델 영역에서 Datacomp 벤치마크(Gadre et al., 2023)와 최근의 진입자(Maini et al., 2023; Yu et al., 2023)는 사전 학습 데이터 세트에서 저품질 하위 집합을 필터링하거나 일반 크롤링에서 스크랩하는 접근 방식을 개발했습니다(Schuhmann et al., 2022).[|endofturn|]

데이터 세트 선택사전 학습 LLM을 위한 고품질 데이터를 선택하는 것은 활발하고 영향력이 크지만 아직 연구가 부족한 분야입니다. 예를 들어, GPT-2 모델은 소셜 미디어 플랫폼인 Reddit에서 카르마(Brown et al., 2020)를 3개 이상 받은 모든 아웃바운드 링크를 대상으로 사전 학습을 진행했습니다. 이는 문서가 _흥미롭거나_, _교육적이거나_, _그냥 재미있거나_ 하는 지표로 사용되었습니다. 후속 연구에서는 위키피디아와 유사한 문서의 우선순위를 정하는 등의 다른 휴리스틱을 사용했습니다(Gururangan et al., 2022). Rae et al. (2021)은 특정 중지어의 부재, 문서 길이, 알파벳 문자 비율, 평균 단어 길이, 기호 대 단어 비율, 글머리 기호로 시작하거나 줄임표로 끝나는 줄의 비율 등과 같은 여러 휴리스틱 필터를 사용하여 문서를 제거했습니다. 이 연구는 텍스트 데이터를 필터링하는 데 있어 복잡성을 강조합니다. 학습을 위한 더 나은 데이터 세트를 구축하기 위한 대안 패러다임은 고품질 데이터 세트를 추출하는 것입니다. Xie et al. (2023)은 다양한 도메인의 데이터에 가중치를 부여하여 언어 모델을 사전 학습하는 데 가장 적합한 데이터 혼합물을 선택하는 방법인 DoReMi를 제안했습니다. 동시에 Abbas et al. (2023)은 사전 학습 데이터의 중복을 제거하면 사전 학습 효율성을 향상시킬 수 있음을 보여주었습니다. 최근에는 LLM의 더 빠른 미세 조정을 위해 저품질 데이터를 자동으로 필터링하는 방법이 여러 가지 제안되었습니다(Chen et al., 2023; Solaiman and Dennison, 2021; Zhou et al., 2023). 동시에 CLIP(Radford et al., 2021)과 같은 이미지 언어 모델 영역에서 Datacomp 벤치마크(Gadre et al., 2023)와 최근의 진입자(Maini et al., 2023; Yu et al., 2023)는 사전 학습 데이터 세트에서 저품질 하위 집합을 필터링하거나 일반 크롤링에서 스크랩하는 접근 방식을 개발했습니다(Schuhmann et al., 2022).[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Dataset SelectionSelecting high quality data for pre-training LLMs remains an active, high-impact, yet understudied area of research. For instance, GPT-2 model was pre-trained on all outbound links from Reddit, a social media platform, which received at least 3 karma (Brown et al., 2020). This was used as a heuristic indicator that the document may be _interesting_, _educational_, or _just funny_. Follow-up works have used other heuristics such as prioritizing documents that resemble wikipedia (Gururangan et al., 2022). Rae et al. (2021) used multiple heuristic filters to remove documents, such as the absence of certain stopwords, length of the document, percentage of alphabetic characters, mean word length, symbol-to-word ratio, percentage of lines starting with a bullet point, or ending with an ellipsis etc. Their work highlights the intricacies of filtering out text data. An alternative paradigm for building better datasets for training is to distill high-quality datasets. Xie et al. (2023) proposed a method, DoReMi, to select the best data mixture for pre-training language models by reweighting data from various domains. Concurrently, Abbas et al. (2023) showed that de-duplicating pre-training data can improve pre-training efficiency. Recently several methods were proposed for automatic filtering of low-quality data for faster fine-tuning of LLMs (Chen et al., 2023; Solaiman and Dennison, 2021; Zhou et al., 2023). Simultaneously, in the realm of image-language models such as CLIP (Radford et al., 2021), the Datacomp benchmark (Gadre et al., 2023) and recent entries (Maini et al., 2023; Yu et al., 2023) have developed approaches at filtering out low-quality subsets from pre-training datasets like LIAION (Schuhmann et al., 2022), or from scrapes of the common crawl. [|assistant|]

**컴퓨터 과학 및 소프트웨어 엔지니어링**: 컴퓨터 과학 및 소프트웨어 엔지니어링 분야에서 LLM 기반 에이전트는 코딩, 테스트, 디버깅 및 문서 생성 자동화에 잠재력을 제공합니다[14; 18; 23; 24; 126; 127; 128]. Chat-Dev [18]은 소프트웨어 개발 수명 주기를 완료하기 위해 여러 에이전트 역할이 자연어 대화를 통해 소통하고 협업하는 end-to-end 프레임워크를 제안합니다. 이 프레임워크는 효율적이고 비용 효율적인 실행 가능한 소프트웨어 시스템 생성을 보여줍니다. ToolBench [14]는 코드 자동 완성 및 코드 추천과 같은 작업에 사용할 수 있습니다. MetaGPT [23]는 제품 관리자, 아키텍트, 프로젝트 관리자, 엔지니어 등 여러 역할을 추상화하여 코드 생성 프로세스를 감독하고 최종 출력 코드의 품질을 향상시킵니다. 이를 통해 저비용 소프트웨어 개발이 가능합니다. [24]는 LLM을 사용하여 코드 생성을 위한 자체 협업 프레임워크를 제시합니다. 이 프레임워크에서는 여러 LLM이 특정 하위 작업에 대한 별개의 "전문가"로 가정합니다. 이들은 지정된 instruction에 따라 협업하고 상호 작용하여 서로의 작업을 촉진하는 가상 팀을 구성합니다. 궁극적으로 가상 팀은 인간의 개입 없이도 코드 생성 작업을 협력적으로 처리합니다. LLIFT [139]는 LLM을 사용하여 특히 잠재적인 코드 취약점을 식별하기 위한 정적 분석을 수행하는 데 도움을 줍니다. 이 접근 방식은 정확성과 확장성 간의 균형을 효과적으로 관리합니다. ChatEDA [123]는 작업 계획, 스크립트 생성 및 실행을 통합하여 설계 프로세스를 간소화하기 위해 전자 설계 자동화(EDA)를 위해 개발된 에이전트입니다.[|endofturn|]

**컴퓨터 과학 및 소프트웨어 엔지니어링**: 컴퓨터 과학 및 소프트웨어 엔지니어링 분야에서 LLM 기반 에이전트는 코딩, 테스트, 디버깅 및 문서 생성 자동화에 잠재력을 제공합니다[14; 18; 23; 24; 126; 127; 128]. Chat-Dev [18]은 소프트웨어 개발 수명 주기를 완료하기 위해 여러 에이전트 역할이 자연어 대화를 통해 소통하고 협업하는 엔드투엔드 프레임워크를 제안합니다. 이 프레임워크는 효율적이고 비용 효율적인 실행 가능한 소프트웨어 시스템 생성을 보여줍니다. ToolBench [14]는 코드 자동 완성 및 코드 추천과 같은 작업에 사용할 수 있습니다. MetaGPT [23]는 제품 관리자, 아키텍트, 프로젝트 관리자, 엔지니어 등 여러 역할을 추상화하여 코드 생성 프로세스를 감독하고 최종 출력 코드의 품질을 향상시킵니다. 이를 통해 저비용 소프트웨어 개발이 가능합니다. [24]는 LLM을 사용하여 코드 생성을 위한 자체 협업 프레임워크를 제시합니다. 이 프레임워크에서는 여러 LLM이 특정 하위 작업에 대한 별개의 "전문가"로 가정합니다. 이들은 지정된 지침에 따라 협업하고 상호 작용하여 서로의 작업을 촉진하는 가상 팀을 구성합니다. 궁극적으로 가상 팀은 인간의 개입 없이도 코드 생성 작업을 협력적으로 처리합니다. LLIFT [139]는 LLM을 사용하여 특히 잠재적인 코드 취약점을 식별하기 위한 정적 분석을 수행하는 데 도움을 줍니다. 이 접근 방식은 정확성과 확장성 간의 균형을 효과적으로 관리합니다. ChatEDA [123]는 작업 계획, 스크립트 생성 및 실행을 통합하여 설계 프로세스를 간소화하기 위해 전자 설계 자동화(EDA)를 위해 개발된 에이전트입니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**Computer Science & Software Engineering**: In the field of computer science and software engineering, LLM-based agents offer potential for automating coding, testing, debugging, and documentation generation [14; 18; 23; 24; 126; 127; 128]. Chat-Dev [18] proposes an end-to-end framework, where multiple agent roles communicate and collaborate through natural language conversations to complete the software development life cycle. This framework demonstrates efficient and cost-effective generation of executable software systems. ToolBench [14] can be used for tasks such as code auto-completion and code recommendation. MetaGPT [23] abstracts multiple roles, such as product managers, architects, project managers, and engineers, to supervise code generation process and enhance the quality of the final output code. This enables low-cost software development. [24] presents a self-collaboration framework for code generation using LLMs. In this framework, multiple LLMs are assumed to be distinct "experts" for specific sub-tasks. They collaborate and interact according to specified instructions, forming a virtual team that facilitates each other's work. Ultimately, the virtual team collaboratively addresses code generation tasks without requiring human intervention. LLIFT [139] employs LLMs to assist in conducting static analysis, specifically for identifying potential code vulnerabilities. This approach effectively manages the trade-off between accuracy and scalability. ChatEDA [123] is an agent developed for electronic design automation (EDA) to streamline the design process by integrating task planning, script generation, and execution. [|assistant|]

**수치 계산의 정확도 향상이 논리적 추론보다 더 중요하다** 합성 데이터가 증가함에 따라 모델의 성능이 점진적으로 향상됩니다. 더 깊은 이해를 위해 GSM8K에서 다양한 유형의 오류에 대한 오류 비율을 분석합니다. 오류는 reasoning 오류와 calculation 오류의 두 가지 유형으로 분류했습니다. reasoning 오류는 주로 조건 손실 및 개념 혼동과 같은 문제를 포함하며, calculation 오류에는 정량적 관계의 잘못된 분석 및 수치 계산 실수가 포함됩니다. 그림 5에 도시된 실험 결과에 따르면 calculation 오류의 비율이 점진적으로 감소하는 것을 관찰할 수 있으며, 이는 GSM8K가 reasoning 오류보다 더 빠른 속도로 calculation 오류를 수정하고 있음을 시사합니다.[|endofturn|]

**수치 계산의 정확도 향상이 논리적 추론보다 더 중요하다** 합성 데이터가 증가함에 따라 모델의 성능이 점진적으로 향상됩니다. 더 깊은 이해를 위해 GSM8K에서 다양한 유형의 오류에 대한 오류 비율을 분석합니다. 오류는 추론 오류와 계산 오류의 두 가지 유형으로 분류했습니다. 추론 오류는 주로 조건 손실 및 개념 혼동과 같은 문제를 포함하며, 계산 오류에는 정량적 관계의 잘못된 분석 및 수치 계산 실수가 포함됩니다. 그림 5에 도시된 실험 결과에 따르면 계산 오류의 비율이 점진적으로 감소하는 것을 관찰할 수 있으며, 이는 GSM8K가 추론 오류보다 더 빠른 속도로 계산 오류를 수정하고 있음을 시사합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**The Improvement in the Accuracy of Numerical Calculations is More Significant than Logical Reasoning** The performance of the model gradually improves as the synthetic data increases. For a deeper understanding, we analyze the error proportion for different types of errors on GSM8K. We categorized errors into two types: reasoning errors and calculation errors. Reasoning errors primarily encompass issues such as loss of conditions and concept confusion, while calculation errors include incorrect analysis of quantitative relationships and numerical computation mistakes. Based on the experimental results illustrated in Figure 5, we observe a gradual decrease in the percentage of calculation errors, suggesting that GSM8K is correcting calculation errors at a faster rate than reasoning errors. [|assistant|]

두 가지 수학적 추론 벤치마크, 즉 GSM8k[42]와 MATH[43]에 대한 실험을 수행한 결과, _WizardMath_가 다른 오픈 소스 LLM보다 뛰어난 성능을 발휘하여 state-of-the-art 성능을 달성하는 것으로 나타났습니다. 특히, _WizardMath_는 GSM8k에서 +24.8(81.6 대 56.8), MATH에서 +9.2(22.7 대 13.5)로 pass@1에서 상당한 향상을 관찰했습니다. 특히, 이 모델은 GSM8k에서 pass@1 측면에서 OpenAI의 ChatGPT-3.5[5], Anthropic의 Claude Instant-1[39], Google의 PaLM-2[44]를 크게 능가했습니다.[|endofturn|]

두 가지 수학적 추론 벤치마크, 즉 GSM8k[42]와 MATH[43]에 대한 실험을 수행한 결과, WizardMath_가 다른 오픈 소스 LLM보다 뛰어난 성능을 발휘하여 최첨단 성능을 달성하는 것으로 나타났습니다. 특히, _WizardMath_는 GSM8k에서 +24.8(81.6 대 56.8), MATH에서 +9.2(22.7 대 13.5)로 pass@1에서 상당한 향상을 관찰했습니다. 특히, 이 모델은 GSM8k에서 pass@1 측면에서 OpenAI의 ChatGPT-3.5[5], Anthropic의 Claude Instant-1[39], Google의 PaLM-2[44]를 크게 능가했습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]We perform experiments on two mathematical reasoning benchmarks, namely GSM8k [42] and MATH [43], the results demonstrate that our _WizardMath_ outperforms all other open-source LLMs, achieving state-of-the-art performance. Specifically, _WizardMath_ observe a substantial improvement in pass@1 with an increase of +24.8 (81.6. vs. 56.8) on GSM8k, and +9.2 (22.7 vs. 13.5) on MATH. Notably, our model even also significantly surpasses OpenAI's ChatGPT-3.5 [5], Anthropic's Claude Instant-1 [39], and Google's PaLM-2 [44] in terms of pass@1 on GSM8k. [|assistant|]

우리의 연구는 두 가지 확립된 토큰화 알고리즘인 BPE와 Unigram과 이를 구현한 _Huggingface tokenizer_ 라이브러리(Moi and Patry, 2023)와 _SentencePiece_ 라이브러리(Kudo and Richardson, 2018)에 의존합니다. 사전 및 사후 처리 단계의 차이와 잠재적인 구현 차이를 조사하기 위해 두 라이브러리를 모두 고려했습니다. Huggingface의 Unigram 구현에 대한 사전 처리 옵션이 누락되어 결과 어휘에서 SentencePiece의 Unigram 구현과 큰 차이가 발생하므로, Huggingface 기반의 Unigram tokenizer 훈련은 생략했습니다. 전체적으로 24개의 서로 다른 tokenizer를 훈련했으며, tokenizer의 절반은 단일 언어 영어 tokenizer, 나머지 절반은 다국어 tokenizer였습니다. tokenizer 알고리즘, 언어 구성, 사용된 tokenizer 라이브러리 외에도 어휘 크기도 다양하게 조정했습니다. 구체적인 tokenizer 구성은 부록 B에 설명되어 있습니다.[|endofturn|]

우리의 연구는 두 가지 확립된 토큰화 알고리즘인 BPE와 유니그램과 이를 구현한 _허깅페이스 토큰화기_ 라이브러리(Moi and Patry, 2023)와 _SentencePiece_ 라이브러리(Kudo and Richardson, 2018)에 의존합니다. 사전 및 사후 처리 단계의 차이와 잠재적인 구현 차이를 조사하기 위해 두 라이브러리를 모두 고려했습니다. 허깅페이스의 유니그램 구현에 대한 사전 처리 옵션이 누락되어 결과 어휘에서 SentencePiece의 유니그램 구현과 큰 차이가 발생하므로, 허깅페이스 기반의 유니그램 토큰화기 훈련은 생략했습니다. 전체적으로 24개의 서로 다른 토큰화기를 훈련했으며, 토큰화기의 절반은 단일 언어 영어 토큰화기, 나머지 절반은 다국어 토큰화기였습니다. 토큰화 알고리즘, 언어 구성, 사용된 토큰화 라이브러리 외에도 어휘 크기도 다양하게 조정했습니다. 구체적인 토큰화 구성은 부록 B에 설명되어 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Our studies rely on the two established tokenization algorithms, BPE and Unigram, and their implementation in the _Huggingface tokenizer_ library (Moi and Patry, 2023) and the _SentencePiece_ library (Kudo and Richardson, 2018). We considered both libraries in order to investigate the effect of differences in the pre-and post-processing steps and potential differences in the implementations. Due to missing pre-processing options for Huggingface's Unigram implementation, which causes a large discrepancy in the resulting vocabulary compared to SentencePiece's implementation of Unigram, we omitted the training of Unigram tokenizers based on Huggingface. Overall, we trained 24 different tokenizers, where one-half of the tokenizers were monolingual English tokenizers, and the other half of the tokenizers were multilingual tokenizers. Besides the tokenizer algorithm, language composition, and employed tokenizer library, we also varied the vocabulary size. Concrete tokenizer configurations are described in the Appendix B. [|assistant|]

결정 \(B\)모든 하이퍼파라미터(특히 Learning Rate 및 정규화 하이퍼파라미터)가 잘 조정되고 훈련 단계 수가 충분한 한, 모든 Batch Size를 사용하여 동일한 최종 성능을 달성할 수 있다고 믿어지므로 Batch Size는 주로 언어 모델의 훈련 속도에 영향을 미칩니다. 대규모 언어 모델을 훈련할 때는 일반적으로 사용 가능한 하드웨어에서 지원하는 최대 Batch Size로 이상적인 Batch Size를 설정하여 계산 비용을 고려하지 않고 훈련 속도를 최대화하는 것이 좋습니다[1]. 3.12 방정식에서는 Loss 값에서 최적의 속도/계산 비용 절감이 가능한 임계 Batch Size를 분석적으로 계산할 수 있음을 보여줍니다. 이 공식을 통해 모든 Loss 궤적에서 선호하는 Batch Size를 추정할 수 있습니다. 또한 3.12 방정식의 최적 Batch Size는 3.9 방정식과 같이 훈련 시간과 필요한 계산을 동등하게 최소화하여 결정됩니다. 실제로 한쪽을 다른 쪽보다 우선순위에 따라 최적의 Batch Size를 도출할 수 있습니다. 이러한 방식으로 맞춤형 요구 사항에 따라 체계적인 방식으로 최적의 Batch Size를 얻을 수 있습니다.[|endofturn|]

결정 \(B\)모든 하이퍼파라미터(특히 학습 속도 및 정규화 하이퍼파라미터)가 잘 조정되고 훈련 단계 수가 충분한 한, 모든 배치 크기를 사용하여 동일한 최종 성능을 달성할 수 있다고 믿어지므로 배치 크기는 주로 언어 모델의 훈련 속도에 영향을 미칩니다. 대규모 언어 모델을 훈련할 때는 일반적으로 사용 가능한 하드웨어에서 지원하는 최대 배치 크기로 이상적인 배치 크기를 설정하여 계산 비용을 고려하지 않고 훈련 속도를 최대화하는 것이 좋습니다[1]. 3.12 방정식에서는 손실 값에서 최적의 속도/계산 비용 절감이 가능한 임계 배치 크기를 분석적으로 계산할 수 있음을 보여줍니다. 이 공식을 통해 모든 손실 궤적에서 선호하는 배치 크기를 추정할 수 있습니다. 또한 3.12 방정식의 최적 배치 크기는 3.9 방정식과 같이 훈련 시간과 필요한 계산을 동등하게 최소화하여 결정됩니다. 실제로 한쪽을 다른 쪽보다 우선순위에 따라 최적의 배치 크기를 도출할 수 있습니다. 이러한 방식으로 맞춤형 요구 사항에 따라 체계적인 방식으로 최적의 배치 크기를 얻을 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Determining \(B\)As long as all hyperparameters are well-tuned (especially the learning rate and regularization hyperparameters) and the number of training steps is sufficient, it is believed that the same final performance should be attainable using any batch size [19], so the batch size mainly influences the training speed of language models. Often, when training large language models, the ideal batch size is suggested to be set as the largest batch size supported by the available hardware [1], so as to maximize the training speed without considering the computational cost. In Eq 3.12, we show that the critical batch size with the optimal speed/computation trade-off can be analytically computed from the loss value. Under the guidance of this formula, we would be able to estimate the preferred batch size under any loss trajectory. Furthermore, this optimal batch size in Eq 3.12 is determined by equally minimizing the training time and required computation, as shown in Eq 3.9. In practice, if we would like to prioritize one over the other, we can follow the same process to derive the optimal batch size. By this means, we are able to obtain the optimal batch size based on our customized need in a systematic way. [|assistant|]

**현안**. 막대한 성공에도 불구하고 LLM 기반 에이전트의 개발과 적용을 제한하는 몇 가지 문제가 여전히 남아 있습니다. 첫째, 모델 규모가 급증함에 따라 시간 및 메모리 오버헤드를 포함한 LLM 기반 에이전트의 효율성은 대규모 배포, 특히 수많은 LLM 인스턴스가 있는 다중 에이전트 시스템의 경우 중요한 문제가 됩니다. 둘째, LLM 기반 에이전트의 수가 확장됨에 따라 에이전트 간의 조정 복잡성 증가를 지원하기 위해 보다 효과적이고 효율적인 통신 프로토콜과 아키텍처가 필요합니다. 또한, 유능한 에이전트를 구축하려면 Instruction following 및 긴 텍스트 모델링과 같은 LLM의 역량에 대한 기술적 과제가 있습니다. 기존 LLM은 에이전트를 인스턴스화하기 위해 특별히 최적화되지 않았기 때문에, 대부분의 공개 소스 LLM(예: LLaMA)은 에이전트 개발을 효과적으로 촉진하지 못합니다. 따라서 에이전트의 핵심 계산 단위 역할을 할 수 있는 능력이 있는 특수 모델을 개발하는 것이 중요합니다.[|endofturn|]

**현안**. 막대한 성공에도 불구하고 LLM 기반 에이전트의 개발과 적용을 제한하는 몇 가지 문제가 여전히 남아 있습니다. 첫째, 모델 규모가 급증함에 따라 시간 및 메모리 오버헤드를 포함한 LLM 기반 에이전트의 효율성은 대규모 배포, 특히 수많은 LLM 인스턴스가 있는 다중 에이전트 시스템의 경우 중요한 문제가 됩니다. 둘째, LLM 기반 에이전트의 수가 확장됨에 따라 에이전트 간의 조정 복잡성 증가를 지원하기 위해 보다 효과적이고 효율적인 통신 프로토콜과 아키텍처가 필요합니다. 또한, 유능한 에이전트를 구축하려면 명령어 추종 및 긴 텍스트 모델링과 같은 LLM의 역량에 대한 기술적 과제가 있습니다. 기존 LLM은 에이전트를 인스턴스화하기 위해 특별히 최적화되지 않았기 때문에, 대부분의 공개 소스 LLM(예: LLaMA)은 에이전트 개발을 효과적으로 촉진하지 못합니다. 따라서 에이전트의 핵심 계산 단위 역할을 할 수 있는 능력이 있는 특수 모델을 개발하는 것이 중요합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**Remaining Issues.** Despite the huge success, there are still several issues that limit the development and applications of LLM-based agents. First, with the explosive growth of the model scale, the efficiency of LLM-based agents, including both the time and memory overhead, becomes an important issue for large-scale deployment, especially for multi-agent systems with numerous instances of LLMs. Second, with the scaling of the number of LLM-based agents, more effective and efficient communication protocols and architectures are required to support the increased complexity of coordination among agents. Furthermore, building capable agents poses technical challenges for the capacities of LLMs like instruction following and long text modeling. Since existing LLMs are not specially optimized for instantiating agents, most public-sourced LLMs like LLaMA cannot effectively facilitate the development of agents. Therefore, it is crucial to develop capable, specialized models to serve as the core computation unit of agents. [|assistant|]

**DyLAN.** 동적 LLM-Agent Network (DyLAN) 프레임워크는 추론 및 코드 생성과 같은 복잡한 작업에 중점을 둔 동적 에이전트 구조를 생성합니다[18]. DyLAN은 지난 작업 라운드에서 각 에이전트가 얼마나 기여했는지 결정하는 단계가 있으며, 다음 실행 라운드에서는 기여도가 높은 에이전트만 이동합니다. 이 방법은 에이전트가 서로 정보를 공유할 수 있고 정의된 리더가 없기 때문에 본질적으로 수평적입니다. DyLAN은 arithmetic 및 general reasoning 기능을 측정하는 다양한 벤치마크에서 향상된 성능을 보여줍니다. 이는 동적 팀의 영향력을 보여주며, 에이전트의 기여도를 지속적으로 재평가하고 순위를 매기면 주어진 작업을 완료하는 데 더 적합한 에이전트 팀을 만들 수 있음을 보여줍니다.[|endofturn|]

**DyLAN.** 동적 LLM 에이전트 네트워크(DyLAN) 프레임워크는 추론 및 코드 생성과 같은 복잡한 작업에 중점을 둔 동적 에이전트 구조를 생성합니다[18]. DyLAN은 지난 작업 라운드에서 각 에이전트가 얼마나 기여했는지 결정하는 단계가 있으며, 다음 실행 라운드에서는 기여도가 높은 에이전트만 이동합니다. 이 방법은 에이전트가 서로 정보를 공유할 수 있고 정의된 리더가 없기 때문에 본질적으로 수평적입니다. DyLAN은 산술 및 일반 추론 기능을 측정하는 다양한 벤치마크에서 향상된 성능을 보여줍니다. 이는 동적 팀의 영향력을 보여주며, 에이전트의 기여도를 지속적으로 재평가하고 순위를 매기면 주어진 작업을 완료하는 데 더 적합한 에이전트 팀을 만들 수 있음을 보여줍니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**DyLAN.** The Dynamic LLM-Agent Network (DyLAN) framework creates a dynamic agent structure that focuses on complex tasks like reasoning and code generation [18]. DyLAN has a specific step for determining how much each agent has contributed in the last round of work and only moves top contributors the next round of execution. This method is horizontal in nature since agents can share information with each other and there is no defined leader. DyLAN shows improved performance on a variety of benchmarks which measure arithmetic and general reasoning capabilities. This highlights the impact of dynamic teams and demonstrates that by consistently re-evaluating and ranking agent contributions, we can create agent teams that are better suited to complete a given task. [|assistant|]

학습된 모델을 평가하기 위해, 유효성 검사 데이터 \(\mathcal{D}_{\textbf{val}}\)에 대한 Loss를 계산한다.[|endofturn|]

학습된 모델을 평가하기 위해, 유효성 검사 데이터 \(\mathcal{D}_{\textbf{val}}\)에 대한 손실을 계산한다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]To evaluate the learned model, we compute the loss on validation data \(\mathcal{D}_{\textbf{val}}\). [|assistant|]

1. A-1: 2.4B model, 사전 학습 데이터만 사용하여 decay 후 4B token SFT. 2. A-2: 2.4B model, 앞서 언급한 고품질 데이터와 SFT 데이터를 사전 학습 데이터에 혼합하여 사용한 decay, 이어서 4B token SFT. 3. B-1: 1.2B model, 사전 학습 데이터만 사용하여 decay 후 6B token SFT. 4. B-2: 1.2B model, 사전 학습 데이터만 사용하여 decay 후 12B token SFT. 5. B-3: 1.2B model, 앞서 언급한 고품질 데이터 + 사전 학습 데이터에 혼합된 SFT 데이터를 사용하여 annealing한 후 6B token SFT.[|endofturn|]

1. A-1: 2.4B 모델, 사전 학습 데이터만 사용하여 붕괴 후 4B 토큰 SFT. 2. A-2: 2.4B 모델, 앞서 언급한 고품질 데이터와 SFT 데이터를 사전 학습 데이터에 혼합하여 사용한 붕괴, 이어서 4B 토큰 SFT. 3. B-1: 1.2B 모델, 사전 학습 데이터만 사용하여 붕괴 후 6B 토큰 SFT. 4. B-2: 1.2B 모델, 사전 학습 데이터만 사용하여 붕괴 후 12B 토큰 SFT. 5. B-3: 1.2B 모델, 앞서 언급한 고품질 데이터 + 사전 학습 데이터에 혼합된 SFT 데이터를 사용하여 어닐링한 후 6B 토큰 SFT.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]1. A-1: 2.4B model, decay using only pre-training data, followed by 4B token SFT. 2. A-2: 2.4B model, decay using the aforementioned high-quality data unlabeled data and SFT data mixed into pre-training data, also followed by 4B token SFT. 3. B-1: 1.2B model, decay using only pre-training data, followed by 6B token SFT. 4. B-2: 1.2B model, decay using only pre-training data, followed by 12B token SFT. 5. B-3: 1.2B model, annealing using the aforementioned high-quality data + SFT data mixed into pre-training data, also followed by 6B token SFT. [|assistant|]

그림 10: "I am sleepy. I start a pot of" 문맥의 다음 토큰에 대해 어휘에 대한 확률 분포를 내림차순으로 표시합니다. 논의의 편의를 위해 이 예는 subword 단위가 아닌 단어 단위로 제공됩니다.[|endofturn|]

그림 10: "잠이 든다. 냄비를 끓이기 시작합니다."_ 문맥의 다음 토큰에 대해 어휘에 대한 확률 분포를 내림차순으로 표시합니다. 논의의 편의를 위해 이 예는 하위 단위가 아닌 단어 단위로 제공됩니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Fig. 10: The probability distribution over the vocabulary in descending order for the next token of the context “_I am sleepy. I start a pot of”_. For ease of discussion, this example is given in word units instead of subword units. [|assistant|]

COK(Li et al., 2023)은 검색된 지식으로 근거를 반복적으로 개선하는 것을 목표로 하는 Progressive Rationale Correction 기법을 제시합니다. 이 방법은 지속적인 optimization 프로세스로 구성되어 콘텐츠 생성에 사용되는 정보의 관련성과 품질을 크게 향상시킵니다. Self-RAG(Asai et al., 2023)는 관련성 없는 콘텐츠를 효율적으로 필터링하기 위한 self-reflection 메커니즘을 도입합니다. critique tokens을 사용하여 검색된 구절의 관련성, 지지력 및 유용성을 평가하여 고품질 정보만 콘텐츠 생성 프로세스에 통합할 수 있도록 합니다.[|endofturn|]

COK(Li et al., 2023)은 검색된 지식으로 근거를 반복적으로 개선하는 것을 목표로 하는 점진적 근거 수정 기법을 제시합니다. 이 방법은 지속적인 최적화 프로세스로 구성되어 콘텐츠 생성에 사용되는 정보의 관련성과 품질을 크게 향상시킵니다. 셀프-RAG(Asai et al., 2023)는 관련성 없는 콘텐츠를 효율적으로 필터링하기 위한 자기 반영 메커니즘을 도입합니다. 비평 토큰을 사용하여 검색된 구절의 관련성, 지지력 및 유용성을 평가하여 고품질 정보만 콘텐츠 생성 프로세스에 통합할 수 있도록 합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]COK (Li et al., 2023) presents the Progressive Rationale Correction technique, aimed at iteratively refining rationales with retrieved knowledge. This method constitutes a continuous optimization process, significantly enhancing the relevance and quality of information used in content generation. Self-RAG (Asai et al., 2023) introduces a self-reflection mechanism to efficiently filter out irrelevant content. By employing critique tokens, this approach evaluates the relevance, supportiveness, and utility of retrieved passages, ensuring the integration of only high-quality information into the content generation process. [|assistant|]

최고의 zero-shot 및 scratchpad 프롬프트는 그림 5와 그림 6에 나와 있습니다. 두 프롬프트 스타일 모두에서 모델에는 질문, 배경, 해상도 기준, 질문의 개시일 및 종료일(date_begin 및 date_end)만 제공됩니다. 모든 데이터는 예측 플랫폼에서 소싱되며 질문 페이지에서 일반 예측자에게 공개됩니다. 추가 뉴스 retrieval은 수행하지 않습니다.[|endofturn|]

최고의 제로 샷 및 스크래치 패드 프롬프트는 그림 5와 그림 6에 나와 있습니다. 두 프롬프트 스타일 모두에서 모델에는 질문, 배경, 해상도 기준, 질문의 개시일 및 종료일(date_begin 및 date_end)만 제공됩니다. 모든 데이터는 예측 플랫폼에서 소싱되며 질문 페이지에서 일반 예측자에게 공개됩니다. 추가 뉴스 검색은 수행하지 않습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]The best zero-shot and scratchpad prompts are shown in Figure 5 and Figure 6. In both prompting styles, models are only provided with the question, background, resolution criterion, and question's open and close dates (date_begin and date_end). All the data are sourced from the forecasting platforms and publicly available on the question page to human forecasters. We do no additional news retrieval. [|assistant|]

# 출력 2024년 3월 14일에 Meta 내부 검토를 위해 제출되었습니다. 많은 도움이 되는 대화를 나눈 Lin Xiao와 Yuchen Zhang에게 감사의 말씀을 전합니다. W&B의 Ian Clark, Gourab De, Anmol Mann, Max Pfeifer와 Meta FAIR NextSys의 Lucca Bertoncini, Liao Hu, Caleb Ho, Apostolos Kokolis, Shubho Sengupta를 특별히 감사드리며, 이들의 귀중한 지원이 없었다면 이 논문의 광범위한 실험이 불가능했을 것입니다.[|endofturn|]

2024년 3월 14일에 메타 내부 검토를 위해 제출되었습니다. 많은 도움이 되는 대화를 나눈 Lin Xiao와 Yuchen Zhang에게 감사의 말씀을 전합니다. W&B의 Ian Clark, Gourab De, Anmol Mann, Max Pfeifer와 Meta FAIR NextSys의 Lucca Bertoncini, Liao Hu, Caleb Ho, Apostolos Kokolis, Shubho Sengupta를 특별히 감사드리며, 이들의 귀중한 지원이 없었다면 이 논문의 광범위한 실험이 불가능했을 것입니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Submitted for Meta internal review on March 14, 2024. We would like to thank Lin Xiao and Yuchen Zhang for many helpful conversations. We would like to extend special thanks to Ian Clark, Gourab De, Anmol Mann, and Max Pfeifer from W&B, as well as Lucca Bertoncini, Liao Hu, Caleb Ho, Apostolos Kokolis, and Shubho Sengupta from Meta FAIR NextSys; Henry Estela, Wil Johnson, Rizwan Hashmi, and Lucas Noah from Meta Cloud Foundation; without their invaluable support, the extensive experiments in this paper would not have been possible. [|assistant|]

각주 6: 본 연구에 사용된 LLaMA-2(Towron et al., 2023) 모델의 training 시점을 고려하여 이 timestamp를 선택하였다.[|endofturn|]

각주 6: 본 연구에 사용된 LLaMA-2(Towron et al., 2023) 모델의 학습 시점을 고려하여 이 타임스탬프를 선택하였다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Footnote 6: We choose this timestamp considering the training time of LLaMA-2 (Towron et al., 2023) models that we use for our study. [|assistant|]

* Figure 10은 전체 데이터 세트의 모든 질문에 언급된 위치를 시각화합니다. * Table 11은 전체 데이터 세트에서 플랫폼별 질문 및 예측의 분포를 보여줍니다. * Table 12는 큐레이션된 세트의 전체 데이터 샘플을 보여줍니다. * Table 13은 시간이 지남에 따라 커뮤니티 예측이 어떻게 변화하는지 보여주는 질문 목록을 보여줍니다. * Figure 10(a)는 전체 데이터 세트에서 질문의 개시 날짜를 보여줍니다. * Figure 10(b)는 인덱스 \(k=1,2,3,4,5\)에서 검색 날짜를 받는 질문의 비율을 보여줍니다.[|endofturn|]

* 그림 10은 전체 데이터 세트의 모든 질문에 언급된 위치를 시각화합니다. * 표 11은 전체 데이터 세트에서 플랫폼별 질문 및 예측의 분포를 보여줍니다. * 표 12는 큐레이션된 세트의 전체 데이터 샘플을 보여줍니다. * 표 13은 시간이 지남에 따라 커뮤니티 예측이 어떻게 변화하는지 보여주는 질문 목록을 보여줍니다. * 그림 10(a)는 전체 데이터 세트에서 질문의 개시 날짜를 보여줍니다. * 그림 10(b)는 인덱스 \(k=1,2,3,4,5\)에서 검색 날짜를 받는 질문의 비율을 보여줍니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]* Figure 10 visualizes the location mentions in all the questions from our full dataset. * Table 11 gives the distribution of questions and forecasts across platforms in our full dataset. * Table 12 showcases a complete data sample in our curated set. * Table 13 shows a list of questions with how community predictions shift over time. * Figure 10(a) shows the opening dates of the questions in the full dataset. * Figure 10(b) shows the percentage of questions that receives the retrieval date at index \(k=1,2,3,4,5\). [|assistant|]

훈련 Fine-tuning 후, 우리는 다음과 같은 하이퍼파라미터를 사용하여 Ivison 등에 따라 DPO 훈련을 수행한다.[|endofturn|]

훈련 미세 조정 후, 우리는 다음과 같은 하이퍼파라미터를 사용하여 Ivison 등에 따라 DPO 훈련을 수행한다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]After instruction finetuning, we then use the following hyperparameters for DPO training, following Ivison et al. [|assistant|]

**팁에 대한 기여**. 표 12에 prompts 설계를 위한 제공된 팁의 해당 수에 대한 기여도를 다음과 같이 나열합니다.[|endofturn|]

**팁에 대한 기여**. 표 12에 프롬프트 설계를 위한 제공된 팁의 해당 수에 대한 기여도를 다음과 같이 나열합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**Contribution on Tips**. We list the following guys for their contributions on the corresponding numbers of provided tips for designing prompts in Table 12. [|assistant|]

정확도가 아직 정점에 도달하지 않았다는 점도 주목할 가치가 있다. 추가적인 scaling의 효과를 탐구하는 것은 향후 연구로 남겨두기로 한다.[|endofturn|]

정확도가 아직 정점에 도달하지 않았다는 점도 주목할 가치가 있다. 추가적인 스케일링의 효과를 탐구하는 것은 향후 연구로 남겨두기로 한다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]It is also worth noting that the accuracy has not yet reached its peak. Exploring the effects of additional scaling will be left as our future research. [|assistant|]

따라서 각 토큰의 확률은 가장 가능성이 높은 단어와의 차이를 구하여 복구할 수 있습니다. 이 차이를 구하기 위해 해당 단어를 가장 가능성이 높게 만드는 최소 logit bias를 찾습니다. Algorithm 1은 binary search에 의존하여 각 단어에 대한 logit bias를 찾는 접근 방식을 보여줍니다.[|endofturn|]

따라서 각 토큰의 확률은 가장 가능성이 높은 단어와의 차이를 구하여 복구할 수 있습니다. 이 차이를 구하기 위해 해당 단어를 가장 가능성이 높게 만드는 최소 로그 비즈를 찾습니다. 알고리즘 1은 이진 검색에 의존하여 각 단어에 대한 로그 비즈를 찾는 접근 방식을 보여줍니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]The probability of each token can therefore be recovered by finding its difference with the most likely word. We compute this difference by finding the smallest logit bias to make that word most likely. Algorithm 1 shows the approach, which relies on binary search to find the logit bias for each word. [|assistant|]

* Scaling laws의 평가 및 추정을 통해 소규모 언어 모델의 성능 포화를 특성화합니다; * 작은 모델의 표현이 이러한 포화와 동시에 변질된다는 것을 발견합니다. 우리는 _rank saturation_, 즉 작은 LM 예측 헤드의 특이값 분포의 엔트로피 폭발에 대해 조명합니다; * 우리는 목표 컨텍스트 분포의 순위가 일반적으로 높다는 것을 경험적으로 검증합니다. 또한 모델의 출력 표현의 표현력에 관계없이 선형 헤드 \(W\)가 \(rank(W)<1000\)일 때 성능에 상당한 영향을 미치는 것을 관찰합니다; * 저순위 선형 언어 모델링 헤드에 의해 유발되는 성능 제한을 이론적으로 정량화합니다.[|endofturn|]

* 스케일링 법칙의 평가 및 추정을 통해 소규모 언어 모델의 성능 포화를 특성화합니다; * 작은 모델의 표현이 이러한 포화와 동시에 변질된다는 것을 발견합니다. 우리는 _랭크 포화_, 즉 작은 LM 예측 헤드의 특이값 분포의 엔트로피 폭발에 대해 조명합니다; * 우리는 목표 컨텍스트 분포의 순위가 일반적으로 높다는 것을 경험적으로 검증합니다. 또한 모델의 출력 표현의 표현력에 관계없이 선형 헤드 \(W\)가 \(rank(W)<1000\)일 때 성능에 상당한 영향을 미치는 것을 관찰합니다; * 저순위 선형 언어 모델링 헤드에 의해 유발되는 성능 제한을 이론적으로 정량화합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]* We characterize the performance saturation of small language models through evaluation and extrapolation of the scaling laws; * We find that the representations of smaller models degenerate concurrently with this saturation. We shed light on _rank saturation_, i.e. the explosion of the entropy of singular value distributions of small LM prediction heads; * We empirically verify that the rank of the target contextual distribution is usually high. Moreover, we observe that regardless of the expressiveness of the output representations of a model, a linear head \(W\) substantially affects performance when \(rank(W)<1000\); * We theoretically quantify the performance limitation induced by a low-rank linear language modeling head. [|assistant|]

가장 최근에 ChatGPT(OpenAI, 2022)와 그 후속 모델(OpenAI, 2023; Anthropic, 2023; Google, 2023)은 프로덕션 및 연구 커뮤니티에서 question answering (QA) 모델을 구축하는 패러다임의 변화를 주도하고 있습니다. 특히, 실제 애플리케이션에서 QA 모델의 다음과 같은 측면이 선호됩니다: _i)_ 사용자는 대화 방식으로 QA 모델과 상호 작용할 수 있으므로 후속 질문을 쉽게 제기할 수 있습니다. _ii)_ 범용 모델은 데이터 세트별 Fine-tuning 없이도 zero-shot 방식으로 답변을 생성할 수 있으며, Fine-tuning된 전문가 모델의 정확도와 일치합니다. _iii)_ QA 모델은 제공된 컨텍스트가 LLM의 컨텍스트 창보다 훨씬 긴 오픈 도메인 또는 긴 문서 설정에서 검색된 증거 청크를 통합할 수 있습니다(예: Anthropic, 2023; Xu et al., 2023b). 이를 위해 우리는 이 세 가지 측면을 포괄하는 대화형 QA에 초점을 맞추고 있습니다.[|endofturn|]

가장 최근에 ChatGPT(OpenAI, 2022)와 그 후속 모델(OpenAI, 2023; Anthropic, 2023; Google, 2023)은 프로덕션 및 연구 커뮤니티에서 질의응답(QA) 모델을 구축하는 패러다임의 변화를 주도하고 있습니다. 특히, 실제 애플리케이션에서 QA 모델의 다음과 같은 측면이 선호됩니다: _i)_ 사용자는 대화 방식으로 QA 모델과 상호 작용할 수 있으므로 후속 질문을 쉽게 제기할 수 있습니다. _ii)_ 범용 모델은 데이터 세트별 미세 조정 없이도 0샷 방식으로 답변을 생성할 수 있으며, 미세 조정된 전문가 모델의 정확도와 일치합니다. _iii)_ QA 모델은 제공된 컨텍스트가 LLM의 컨텍스트 창보다 훨씬 긴 오픈 도메인 또는 긴 문서 설정에서 검색된 증거 청크를 통합할 수 있습니다(예: Anthropic, 2023; Xu et al., 2023b). 이를 위해 우리는 이 세 가지 측면을 포괄하는 대화형 QA에 초점을 맞추고 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Most recently, ChatGPT (OpenAI, 2022) and its follow ups (OpenAI, 2023; Anthropic, 2023; Google, 2023) have led to the paradigm shift of building question answering (QA) models in production and research community. In particular, the following aspects of the QA models are preferred in real-world applications: _i)_ The users can interact with the QA models in a conversational way, thus one can easily raise follow-up questions. _ii)_ The generalist models can generate answers in zero-shot manner without dataset-specific fine-tuning, while matching the accuracies of fine-tuned expert models. _iii)_ The QA models are capable of integrating retrieved chunks of evidence in both open-domain or long document settings, where the provided context is much longer than the context window of LLM (e.g., Anthropic, 2023; Xu et al., 2023b). To this end, we focus on the conversational QA covering these three aspects. [|assistant|]

**Key Ingredients.** 일반적으로 작업 설명, 입력 데이터, contextual information, prompt style 등 LLM의 기능을 완료하는 데 필요한 프롬프트의 기능을 나타내는 네 가지 주요 성분이 있습니다. 토론에 대한 직관적인 이해를 돕기 위해 question answering, meta-review generation, text-to-SQL에 대한 세 가지 프롬프트 예제도 표 XIII XIII에 제시합니다.[|endofturn|]

**주요 성분**. 일반적으로 작업 설명, 입력 데이터, 컨텍스트 정보, 프롬프트 스타일 등 LLM의 기능을 완료하는 데 필요한 프롬프트의 기능을 나타내는 네 가지 주요 성분이 있습니다. 토론에 대한 직관적인 이해를 돕기 위해 질문 답변, 메타 리뷰 생성, 텍스트-SQL에 대한 세 가지 프롬프트 예제도 표 XIII XIII에 제시합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**Key Ingredients.** Typically, there are four key ingredients that depict the functionality of a prompt for eliciting the abilities of LLMs to complete the tasks, including task description, input data, contextual information, and prompt style. To have an intuitive understanding of our discussion, we also present three prompt examples for question answering, meta-review generation, and text-to-SQL in Table XIII XIII. [|assistant|]

매개변수 6(그림 3). 1000회 노출 설정에서 LLaMA/Mistral 모델의 경우 매개변수 1에 명시된 것과 유사한 매개변수를 사용하지만, GPT2가 _최적의 튜닝된_ LLaMA/Mistral 모델보다 _더 나쁘지 않은_ 성능을 보여주기 위해 세 가지 Learning Rate 중 가장 적합한 속도를 선택합니다:[|endofturn|]

매개변수 6(그림 3).1000회 노출 설정에서 LLaMA/Mistral 모델의 경우 매개변수 1에 명시된 것과 유사한 매개변수를 사용하지만, GPT2가 _최적의 튜닝된_ LLaMA/Mistral 모델보다 _더 나쁘지 않은_ 성능을 보여주기 위해 세 가지 학습 속도 중 가장 적합한 속도를 선택합니다:[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Parameter 6 (Figure 3).In the 1000-exposure setting, for LLaMA/Mistral models we use similar parameters as specified in Parameter 1, but we select the best of three learning rates to better demonstrate that GPT2 performs _no worse_ than _even the best tuned_ LLaMA/Mistral models: [|assistant|]

고정된 모델 크기와 훈련 단계 수에서 \(\mathbf{r}=r_{1\ldots M}\)은 \(M\) 도메인의 비율입니다. 이 함수를 활용하여 원하는 성능을 달성하는 혼합물을 찾습니다.[|endofturn|]

고정된 모델 크기와 훈련 단계 수에서 \mathbf{r}=r_{1\점 M}\)은 \(M\) 도메인의 비율입니다. 이 함수를 활용하여 원하는 성능을 달성하는 혼합물을 찾습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]under the fixed model sizes and number of training steps, where \(\mathbf{r}=r_{1\ldots M}\) is the proportion of the \(M\) domains. Harnessing this function, we seek a mixture that achieves the desired performance. [|assistant|]

그림 A7: 유효성 검사 집합 크기가 훈련 집합에서 가장 가까운 이웃에 대한 cosine distance에 미치는 영향을 연구합니다. x축에는 유효성 검사 집합의 크기를 변경하고(원래 더 큰 유효성 검사 집합에서 무작위로 샘플링하여), y축은 훈련 집합에서 가장 가까운 이웃까지의 거리(유효성 검사 집합 전체에 평균)를 나타냅니다. 원래 유효성 검사 집합의 샘플링 비율에 관계없이 훈련 집합에서 가장 가까운 이웃까지의 평균 거리가 변하지 않으므로 그림 5가 다른 유효성 검사 집합 크기 때문이 아님을 알 수 있습니다.[|endofturn|]

그림 A7: 유효성 검사 집합 크기가 훈련 집합에서 가장 가까운 이웃에 대한 코사인 거리에 미치는 영향을 연구합니다. x축에는 유효성 검사 집합의 크기를 변경하고(원래 더 큰 유효성 검사 집합에서 무작위로 샘플링하여), y축은 훈련 집합에서 가장 가까운 이웃까지의 거리(유효성 검사 집합 전체에 평균)를 나타냅니다. 원래 유효성 검사 집합의 샘플링 비율에 관계없이 훈련 집합에서 가장 가까운 이웃까지의 평균 거리가 변하지 않으므로 그림 5가 다른 유효성 검사 집합 크기 때문이 아님을 알 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Figure A7: Studying the effect of validation set size on cosine distance to nearest-neighbor in training set. On the x-axis, we vary the size of the validation set (by randomly sampling the original larger validation set), and the y-axis represents distance to nearest neighbor in the training set (averaged across the validation set). We observe that regardless of what fraction of the original validation set is sampled, the mean distance to the nearest neighbor in train does not change, indicating that Figure 5 is not due to different validation set sizes. [|assistant|]

\(\bullet\)_GPT-4V, GPT-4 Turbo 및 그 이상_. OpenAI는 GPT-4 [46]에 대한 작업을 기반으로 2023년 9월에 GPT-4의 비전 기능의 안전한 배포에 중점을 둔 GPT-4V를 추가로 출시했습니다. GPT-4V의 시스템 카드 [133]에서는 시각적으로 증강된 입력과 관련된 위험의 평가 및 완화에 대해 광범위하게 논의했습니다. 특히 GPT-4V는 다양한 애플리케이션 시나리오에서 강력한 비전 역량을 보여주며 강력한 멀티모달 학습 시스템으로서 큰 잠재력을 보여주었습니다. 가장 최근에는 2023년 11월에 OpenAI가 DevDay에서 일련의 기술 개선을 통해 _GPT-4 Turbo_라는 이름의 업그레이드된 GPT-4 모델 세대를 출시했습니다. GPT-4 Turbo는 향상된 모델 용량(GPT-4보다 더 강력함), 확장된 지식 소스(최대 2023년 4월까지), 긴 context window(최대 128k tokens), 최적화된 모델 성능(더 저렴한 가격), 기타 유용한 기능 업데이트(function call, reproducible outputs 등)가 특징입니다. 동시에 에이전트와 같은 어시스턴트를 쉽게 개발할 수 있도록 Assistants API가 출시되었습니다. 이 API를 통해 개발자는 특정 instruction, 추가 지식 및 도구 사용을 활용하여 애플리케이션 내에서 목표 지향적인 어시스턴트를 쉽게 만들 수 있습니다. 또한 이번 릴리스에서는 멀티모달 기능(보기, 듣기, 말하기)도 강화되어 비전, DALL-E 3, Text-to-speech (TTS), 음성 샘플 듣기 등으로 GPT-4 Turbo를 지원합니다. 이러한 개선으로 모델의 용량 범위가 크게 확장되고 작업 성능이 향상되었습니다. 더욱 중요한 것은 개선된 모델, API 및 기능의 기술 업그레이드로 애플리케이션 에코시스템이 크게 강화될 것입니다.[|endofturn|]

\(\bullet\)_GPT-4V, GPT-4 터보 및 그 이상_. OpenAI는 GPT-4 [46]에 대한 작업을 기반으로 2023년 9월에 GPT-4의 비전 기능의 안전한 배포에 중점을 둔 GPT-4V를 추가로 출시했습니다. GPT-4V의 시스템 카드 [133]에서는 시각적으로 증강된 입력과 관련된 위험의 평가 및 완화에 대해 광범위하게 논의했습니다. 특히 GPT-4V는 다양한 애플리케이션 시나리오에서 강력한 비전 역량을 보여주며 강력한 멀티모달 학습 시스템으로서 큰 잠재력을 보여주었습니다. 가장 최근에는 2023년 11월에 OpenAI가 DevDay에서 일련의 기술 개선을 통해 _GPT-4 터보_라는 이름의 업그레이드된 GPT-4 모델 세대를 출시했습니다. GPT-4 터보는 향상된 모델 용량(GPT-4보다 더 강력함), 확장된 지식 소스(최대 2023년 4월까지), 긴 컨텍스트 창(최대 128k 토큰), 최적화된 모델 성능(더 저렴한 가격), 기타 유용한 기능 업데이트(함수 호출, 재현 가능한 출력 등)가 특징입니다. 동시에 에이전트와 같은 어시스턴트를 쉽게 개발할 수 있도록 어시스턴트 API가 출시되었습니다. 이 API를 통해 개발자는 특정 지침, 추가 지식 및 도구 사용을 활용하여 애플리케이션 내에서 목표 지향적인 어시스턴트를 쉽게 만들 수 있습니다. 또한 이번 릴리스에서는 멀티모달 기능(보기, 듣기, 말하기)도 강화되어 비전, DALL-E 3, 텍스트 음성 변환(TTS), 음성 샘플 듣기 등으로 GPT-4 터보를 지원합니다. 이러한 개선으로 모델의 용량 범위가 크게 확장되고 작업 성능이 향상되었습니다. 더욱 중요한 것은 개선된 모델, API 및 기능의 기술 업그레이드로 애플리케이션 에코시스템이 크게 강화될 것입니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]\(\bullet\)_GPT-4V, GPT-4 turbo, and beyond_. Based on the work done for GPT-4 [46], OpenAI further released GPT-4V in September 2023, which focused on the safe deployment of the vision capabilities of GPT-4. In the GPT-4V's system card [133], it has extensively discussed the assessment and mitigation of risks related to visually augmented inputs. Specially, GPT-4V exhibited strong vision capacities in various application scenarios, showing the great potential as a powerful multimodal learning system. More recently, in November 2023, OpenAI released an upgraded generation of GPT-4 model at DevDay, named _GPT-4 Turbo_, with a series of technical improvements. GPT-4 Turbo is featured by the improved model capacity (more capable than GPT-4), the extended knowledge source (up to April 2023), long context window (up to 128k tokens), optimized model performance (cheaper price), and other useful functionality updates (function call, reproducible outputs, etc.). At the same time, Assistants API was launched to ease the rapid development of agent-like assistants. With this API, developers can easily create goal-oriented assistants within their applications, by leveraging specific instruction, extra knowledge and tool use. Furthermore, multimodal capacities (see, hear, and speak) were also enhanced in this new release, supported by GPT-4 Turbo with vision, DALL-E 3, Text-to-speech (TTS), and Listen to voice samples. These improvements have greatly extended the capacity scope and enhanced the task performance of GPT models. More importantly, the application ecosystem will be greatly strengthened with the technology upgrade in improved models, APIs, and functionalities. [|assistant|]

그 이야기는 종종 저의 어린 시절인 Jurning으로 거슬러 올라가서 저의 자녀들과 저와의 관계에 대한 맥락을 만들어 줍니다.[|endofturn|]

그 이야기는 종종 저의 어린 시절인 유르닝으로 거슬러 올라가서 저의 자녀들과 저와의 관계에 대한 맥락을 만들어 줍니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]The story often matches back to Jurning childhood, producing context about her children and the relationship with my. [|assistant|]

* **Generalizability.** 독립적으로 우리의 방법을 사용하면 앙상블 크기를 늘려서 성능을 일반적으로 향상시킬 수 있습니다. * **Compatibility.** 우리의 방법은 일반적으로 앙상블 크기를 늘려서 다른 방법을 향상시킬 수 있습니다.[|endofturn|]

* **일반화 가능성.** 독립적으로 우리의 방법을 사용하면 앙상블 크기를 늘려서 성능을 일반적으로 향상시킬 수 있습니다. * **호환성.** 우리의 방법은 일반적으로 앙상블 크기를 늘려서 다른 방법을 향상시킬 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]* **Generalizability.** By using our method standalone, the performance can be generally enhanced by increasing the ensemble size. * **Compatibility.** Our method can generally enhance other methods by increasing the ensemble size. [|assistant|]

학습 및 검증에는 SlimPajama(Soboleva et al., 2023), German CommonCrawl(Laippala et al., 2022), Pile(Gao et al., 2020)의 세 가지 데이터 세트를 사용합니다. 모든 데이터 세트에 대해 Pile에서 특별히 학습된 Black et al.(2022)과 동일한 tokenizer를 사용합니다. SlimPajama의 훈련 세트를 생성하기 위해 데이터 세트(총 토큰 606B)를 무작위로 하위 샘플링하여 Pile과 비슷한 크기인 \(\sim\)299B token 하위 집합을 형성합니다(표 1 참조). 또한 이 SlimPajama 하위 집합을 추가로 하위 샘플링하여 데이터 집합의 3개의 \(\sim 100\)B token 분할을 생성합니다(자세한 내용은 섹션 7.4 참조). SlimPajama validation 집합을 생성하기 위해 광범위하게 중복 제거된 기본 validation 집합을 token화하기만 하면 됩니다(Soboleva et al., 2023). 독일어 훈련 및 validation 집합을 생성하기 위해 Oscar 데이터 세트(Laippala et al., 2022)의 일부로 제공되는 독일어 Common Crawl scrape을 195.43B token 훈련 세트와 982.6M token validation 세트로 분할하고 token화했습니다. Pile 데이터 세트는 미리 섞여 있고 혼합되어 있으므로 기본 훈련 및 validation 세트를 사용했습니다. 훈련 세트는 총 \(\sim 330\)B token이지만, 실험에서는 300B token 하위 집합만 훈련합니다.[|endofturn|]

학습 및 검증에는 SlimPajama(Soboleva et al., 2023), German CommonCrawl(Laippala et al., 2022), Pile(Gao et al., 2020)의 세 가지 데이터 세트를 사용합니다. 모든 데이터 세트에 대해 Pile에서 특별히 학습된 Black et al.(2022)과 동일한 토큰화기를 사용합니다. SlimPajama의 훈련 세트를 생성하기 위해 데이터 세트(총 토큰 606B)를 무작위로 하위 샘플링하여 Pile과 비슷한 크기인 \(sim\)299B 토큰 하위 집합을 형성합니다(표 1 참조). 또한 이 SlimPajama 하위 집합을 추가로 하위 샘플링하여 데이터 집합의 3개의 \(sim 100\)B 토큰 분할을 생성합니다(자세한 내용은 섹션 7.4 참조). SlimPajama 유효성 검사 집합을 생성하기 위해 광범위하게 중복 제거된 기본 유효성 검사 집합을 토큰화하기만 하면 됩니다(Soboleva et al., 2023). 독일어 훈련 및 유효성 검사 집합을 생성하기 위해 Oscar 데이터 세트(Laippala et al., 2022)의 일부로 제공되는 독일어 커먼 크롤링 스크랩을 195.43B 토큰 훈련 세트와 982.6M 토큰 유효성 검사 세트로 분할하고 토큰화했습니다. 더미 데이터 세트는 미리 섞여 있고 혼합되어 있으므로 기본 훈련 및 유효성 검사 세트를 사용했습니다. 훈련 세트는 총 \(\sim 330\)B 토큰이지만, 실험에서는 300B 토큰 하위 집합만 훈련합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]We use three datasets for training and validation: SlimPajama (Soboleva et al., 2023), German CommonCrawl (Laippala et al., 2022), and Pile (Gao et al., 2020). For all datasets, use the same tokenizer as Black et al. (2022) trained specifically on the Pile. To create our training set for SlimPajama, we randomly sub-sample the dataset (606B Total Tokens) to form a \(\sim\)299B token subset (see Table 1) that is of comparable size to Pile. We also further sub-sample this SlimPajama subset to create three \(\sim 100\)B token splits of the dataset (see Sec. 7.4 for details). To create the SlimPajama validation set we simply tokenize the default validation set that has been extensively deduplicated (Soboleva et al., 2023). To create the German training and validaiton sets, we split and tokenized the German Common Crawl scrape, available as part of the Oscar Dataset (Laippala et al., 2022), into a 195.43B token training set and a 982.6M token validation set. The pile dataset comes pre-shuffled and mixed, we simply used the default training and validation sets. The training set is \(\sim 330\)B tokens total, though in our experiments we only train on a 300B token subset. [|assistant|]

프롬프트 재구성 문제를 _language model inversion_으로 공식화합니다. 이는 언어 모델의 다음 토큰 확률에 따라 조건이 지정된 입력 프롬프트를 복구하는 것입니다. 흥미롭게도 컴퓨터 비전 분야의 연구에 따르면 이미지 분류기의 확률 예측은 놀라운 양의 세부 정보를 유지한다고 합니다(Dosovitskiy & Brox, 2016), 따라서 언어 모델에도 마찬가지로 적용될 수 있습니다. 우리는 분포 벡터를 미리 학습된 Encoder-Decoder 언어 모델에 의해 효과적으로 처리될 수 있는 시퀀스로 "unrolling"하여 프롬프트를 예측하는 아키텍처를 제안합니다. 이 방법은 언어 모델의 예측이 대부분 반전 가능하다는 것을 처음으로 보여줍니다. 많은 경우 원본과 매우 유사한 입력을 복구할 수 있으며, 때로는 입력 텍스트를 정확히 되찾을 수도 있습니다.[|endofturn|]

프롬프트 재구성 문제를 언어 모델의 다음 토큰 확률에 따라 조건이 지정된 입력 프롬프트를 복구하는 _언어 모델 반전_으로 공식화합니다. 흥미롭게도 컴퓨터 비전 분야의 연구에 따르면 이미지 분류기의 확률 예측은 놀라운 양의 세부 정보를 유지한다고 합니다(Dosovitskiy & Brox, 2016), 따라서 언어 모델에도 마찬가지로 적용될 수 있습니다. 우리는 분포 벡터를 미리 학습된 인코더-디코더 언어 모델에 의해 효과적으로 처리될 수 있는 시퀀스로 "언롤링"하여 프롬프트를 예측하는 아키텍처를 제안합니다. 이 방법은 언어 모델의 예측이 대부분 반전 가능하다는 것을 처음으로 보여줍니다. 많은 경우 원본과 매우 유사한 입력을 복구할 수 있으며, 때로는 입력 텍스트를 정확히 되찾을 수도 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]We formalize this problem of prompt reconstruction as _language model inversion_, recovering the input prompt conditioned on the language model's next-token probabilities. Interestingly, work in computer vision has shown that probability predictions of image classifiers retain a surprising amount of detail (Dosovitskiy & Brox, 2016), so it is plausible that this also holds for language models. We propose an architecture that predicts prompts by"unrolling" the distribution vector into a sequence that can be processed effectively by a pretrained encoder-decoder language model. This method shows for the first time that language model predictions are mostly invertible: in many cases, we are able to recover very similar inputs to the original, sometimes getting the input text back exactly. [|assistant|]

Med-PaLM [76]은 도메인별 PaLM으로, 의료 질문에 대한 고품질 답변을 제공하도록 설계되었습니다. Med-PaLM은 몇 가지 예시를 사용하여 LLM을 새로운 도메인에 맞추는 파라미터 효율적인 방법인 Instruction Prompt Tuning을 사용하여 PaLM에서 Fine-tuning됩니다. Med-PaLM은 많은 의료 작업에서 매우 고무적인 결과를 얻었지만, 여전히 인간 임상의에 비해 열등합니다. Med-PaLM 2는 의료 도메인 Fine-tuning 및 Ensemble Prompting [77]을 통해 Med-PaLM을 개선합니다. Med-PaLM 2는 MedQA 데이터 세트에서 최대 86.5%의 점수를 받았습니다(즉, 전문 의료 시험, 연구 및 소비자 쿼리를 아우르는 기존 오픈 질문 답변 데이터 세트 6개를 결합한 벤치마크), Med-PaLM보다 19% 이상 향상되어 새로운 최신 기록을 세웠습니다.[|endofturn|]

Med-PaLM [76]은 도메인별 PaLM으로, 의료 질문에 대한 고품질 답변을 제공하도록 설계되었습니다. Med-PaLM은 몇 가지 예시를 사용하여 LLM을 새로운 도메인에 맞추는 파라미터 효율적인 방법인 명령 프롬프트 튜닝을 사용하여 PaLM에서 미세 조정됩니다. Med-PaLM은 많은 의료 작업에서 매우 고무적인 결과를 얻었지만, 여전히 인간 임상의에 비해 열등합니다. Med-PaLM 2는 의료 도메인 미세 조정 및 앙상블 프롬프트 [77]를 통해 Med-PaLM을 개선합니다. Med-PaLM 2는 MedQA 데이터 세트에서 최대 86.5%의 점수를 받았습니다(즉, 전문 의료 시험, 연구 및 소비자 쿼리를 아우르는 기존 오픈 질문 답변 데이터 세트 6개를 결합한 벤치마크), Med-PaLM보다 19% 이상 향상되어 새로운 최신 기록을 세웠습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Med-PaLM [76] is a domain-specific PaLM, and is designed to provide high-quality answers to medical questions. Med-PaLM is finetuned on PaLM using instruction prompt tuning, a parameter-efficient method for aligning LLMs to new domains using a few exemplars. Med-PaLM obtains very encouraging results on many healthcare tasks, although it is still inferior to human clinicians. Med-PaLM 2 improves Med-PaLM via med-domain finetuning and ensemble prompting [77]. Med-PaLM 2 scored up to 86.5% on the MedQA dataset (i.e., a benchmark combining six existing open question answering datasets spanning professional medical exams, research, and consumer queries), improving upon Med-PaLM by over 19% and setting a new state-of-the-art. [|assistant|]

RAGAS(Es et al., 2023)는 RALM의 faithfulness, answer relevance 및 context relevance를 평가하기 위해 WikiEval 데이터 세트를 사용합니다. Faithfulness는 제공된 context와 응답이 얼마나 일치하는지를 나타냅니다. Answer relevance는 생성된 답변이 실제 질문에 얼마나 잘 부합하는지를 나타냅니다. Context relevance는 검색된 context가 중앙 집중식이고 관련 없는 정보가 없는 정도로 측정됩니다. 또한 연구자들은 평가 프로세스를 자동화하기 위해 prompt gpt-3.5-turbo-16k 모델을 활용합니다. RGB(Chen et al., 2024)는 accuracy, rejection rate, error detection rate의 세 가지 평가 지표를 사용하여 중국어와 영어의 이중 언어 평가 시스템을 개발했습니다. 이러한 지표는 LM에 의해 처리된 기사와 Google의 API를 통해 검색된 데이터 소스의 noise robustness, negative rejection, information integration 및 counterfactual robustness를 평가하는 데 활용되었습니다. CRUD-RAG(Lyu et al., 2024)는 이전에 연구자들이 고려하지 않았던 retrieval 구성 요소의 영향과 외부 지식 기반 구축을 고려합니다. 대규모 모델을 사용하여 생성된 데이터 세트는 ROUGE, BLEU, bertScore, RAGQuestEval의 네 가지 평가 지표를 통해 RALM의 Create, Read, Update 및 Delete(요약) 기능을 평가합니다. 또한 ARES(Saad-Falcon et al., 2023)는 LM에 의해 생성된 데이터 세트를 사용하지만, lightweight LM을 사용하여 개별 RALM 구성 요소의 품질을 결정하고 예측 기반 추론을 위해 인간이 레이블을 지정한 데이터 포인트를 활용합니다. Relevance, Answer Faithfulness, Answer Relevance가 관련 기준인 KILT 및 SuperGLUE 벤치마크를 사용하여 RALM의 context를 평가합니다.[|endofturn|]

RAGAS(Es et al., 2023)는 RALM의 충실도, 답변 관련성 및 문맥 관련성을 평가하기 위해 WikiEval 데이터 세트를 사용합니다. 충실도는 제공된 컨텍스트와 응답이 얼마나 일치하는지를 나타냅니다. 답변 관련성은 생성된 답변이 실제 질문에 얼마나 잘 부합하는지를 나타냅니다. 문맥 관련성은 검색된 문맥이 중앙 집중식이고 관련 없는 정보가 없는 정도로 측정됩니다. 또한 연구자들은 평가 프로세스를 자동화하기 위해 프롬프트 gpt-3.5-turbo-16k 모델을 활용합니다. RGB(Chen et al., 2024)는 정확도, 거부율, 오류 감지율의 세 가지 평가 지표를 사용하여 중국어와 영어의 이중 언어 평가 시스템을 개발했습니다. 이러한 지표는 LM에 의해 처리된 기사와 Google의 API를 통해 검색된 데이터 소스의 노이즈 견고성, 부정 거부, 정보 통합 및 반사실적 견고성을 평가하는 데 활용되었습니다. CRUD-RAG(Lyu et al., 2024)는 이전에 연구자들이 고려하지 않았던 검색 구성 요소의 영향과 외부 지식 기반 구축을 고려합니다. 대규모 모델을 사용하여 생성된 데이터 세트는 ROUGE, BLEU, bertScore, RAGQuestEval의 네 가지 평가 지표를 통해 RALM의 생성, 읽기, 업데이트 및 삭제(요약) 기능을 평가합니다. 또한 ARES(Saad-Falcon et al., 2023)는 LM에 의해 생성된 데이터 세트를 사용하지만, 경량 LM을 사용하여 개별 RALM 구성 요소의 품질을 결정하고 예측 기반 추론을 위해 인간이 레이블을 지정한 데이터 포인트를 활용합니다. 관련성, 답변 신뢰성, 답변 관련성이 관련 기준인 KILT 및 SuperGLUE 벤치마크를 사용하여 RALM의 컨텍스트를 평가합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]RAGAS (Es et al., 2023) employs the WikiEval Dataset to assess the faithfulness, answer relevance, and context relevance of RALMs. Faithfulness is defined as the degree to which responses align with the provided context. Answer relevance refers to the extent to which generated responses address the actual question posed. Context relevance is gauged by the degree to which retrieved context is centralized and devoid of irrelevant information. Additionally, the researchers utilize the prompt gpt-3.5-turbo-16k model to automate the evaluation process. RGB (Chen et al., 2024) developed a bilingual Chinese and English evaluation system employing three evaluation metrics: accuracy, rejection rate, and error detection rate. These metrics were utilized to assess the noise robustness, negative rejection, information integration, and counterfactual robustness of the data sources, which were articles processed by LM and retrieved through Google's API. CRUD-RAG (Lyu et al., 2024) considers the impact of retrieval components and the construction of external knowledge bases that have not been previously considered by researchers. A dataset was generated using a large model to evaluate the Create, Read, Update, and Delete (summarization) capabilities of RALM through four evaluation metrics: ROUGE, BLEU, bertScore, and RAGQuestEval. In addition, ARES (Saad-Falcon et al., 2023) employs datasets generated by the LM, but utilizes a lightweight LM to determine the quality of individual RALM components and utilizes human-labeled data points for prediction-powered inference. The RALM's context is evaluated using the KILT and SuperGLUE benchmarks, with Relevance, Answer Faithfulness, and Answer Relevance being the relevant criteria. [|assistant|]

다른 설정에서 학습 및 평가된 모델 간의 비교는 많은 외부 요인이 결과에 영향을 미칠 수 있으므로 풀기 어렵습니다(예: 학습 대 추론의 수치적 정밀도, 사용된 prompts). 우리는 세 가지 수준의 비교를 구분합니다: (1) 사전 학습 데이터 세트만 다른 내부 비교, (2) 다른 코드베이스로 학습되었지만 Scao et al. (2022); Black et al. (2022); Aleph Alpha (2023); Dey et al. (2023)의 결과를 사용하여 Eleuther AI harness로 평가된 모델을 대상으로 한 benchmark 수준 비교(\(*\) 표시); (3) Brown et al. (2020); Chowdhery et al. (2022)과의 외부 비교(\(\dagger\) 표시). 자세한 평가 내용은 부록 F.1을 참조하세요.[|endofturn|]

다른 설정에서 학습 및 평가된 모델 간의 비교는 많은 외부 요인이 1 987 결과에 영향을 미칠 수 있으므로 풀기 어렵습니다(예: 학습 대 추론의 수치적 정밀도, 사용된 프롬프트). 우리는 세 가지 수준의 비교를 구분합니다: (1) 사전 학습 데이터 세트만 다른 내부 비교, (2) 다른 코드베이스로 학습되었지만 스카우 등의 연구(2022); 블랙 등(2022); 알레프 알파(2023); 데이 등(2023)의 결과를 사용하여 엘루더 AI 하네스로 평가된 모델을 대상으로 한 벤치마크 수준 비교(\(*\) 표시); (3) 브라운 등(2020); Chowdhery 등(2022)과의 외부 비교(\(\dagger\) 표시). 자세한 평가 내용은 부록 F.1을 참조하세요.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Comparisons across models trained and evaluated in different settings are difficult to untangle, as many externalities may influence the 1 987results (e.g., numerical precision of training vs inference, prompts used). We distinguish three levels of comparisons: (1) internal comparisons, with models trained and evaluated within our codebase, for which only the pretraining datasets differ; (2) benchmark-level comparisons, with models trained with a different codebase but evaluated with the Eleuther AI harness, taking results from Scao et al. (2022); Black et al. (2022); Aleph Alpha (2023); Dey et al. (2023), thereafter flagged with a \(*\); (3) external comparisons with Brown et al. (2020); Chowdhery et al. (2022), thereafter flagged with a \(\dagger\). For further details on evaluation, see Appendix F.1. [|assistant|]

그림 13: 네 가지 파라미터 효율적 Fine-tuning 방법의 예시입니다. MHA와 FFN은 각각 Transformer 레이어의 multi-head attention과 feed-forward networks를 나타냅니다.[|endofturn|]

그림 13: 네 가지 파라미터 효율적 미세 조정 방법의 예시입니다. MHA와 FFN은 각각 트랜스포머 레이어의 다중 헤드 주의와 피드 포워드 네트워크를 나타냅니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Fig. 13: An illustration of four different parameter-efficient fine-tuning methods. MHA and FFN denote the multi-head attention and feed-forward networks in the Transformer layer, respectively. [|assistant|]

이를 위해 본 기술 보고서는 새로 추가된 토큰의 임베딩을 더 잘 학습시킬 수 있는 효율적이고 효과적인 어휘 확장을 위한 새로운 접근 방식, 즉 EEVE를 제시합니다. 쉽게 적응할 수 있도록 subword-based embedding 초기화를 활용하고 parameter freezing을 통해 7단계의 학습 단계를 설계하여 학습할 파라미터의 순서와 양을 정교하게 조정합니다. 처음에는 input embeddings만 학습하는 데 중점을 두고 최종 단계에서 전체 파라미터를 포괄하도록 점진적으로 확장하여 foundational 모델의 고급 기능을 영어에서 한국어로 세심하게 전달합니다.[|endofturn|]

이를 위해 본 기술 보고서는 새로 추가된 토큰의 임베딩을 더 잘 학습시킬 수 있는 효율적이고 효과적인 어휘 확장을 위한 새로운 접근 방식, 즉 EEVE를 제시합니다. 쉽게 적응할 수 있도록 하위 단어 기반 임베딩 초기화를 활용하고 파라미터 동결을 통해 7단계의 학습 단계를 설계하여 학습할 파라미터의 순서와 양을 정교하게 조정합니다. 처음에는 입력 임베딩만 학습하는 데 중점을 두고 최종 단계에서 전체 파라미터를 포괄하도록 점진적으로 확장하여 기본 모델의 고급 기능을 영어에서 한국어로 세심하게 전달합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]To this end, this technical report presents a novel approach for efficient and effective vocabulary expansion, namely EEVE, which can better train the embeddings of newly added tokens. For ease of adaptation, we utilize subword-based embedding initialization and design seven training stages with parameter freezing, which elaborately adjust the order and amount of parameters to be trained. We meticulously transfer the advanced capabilities of foundational models from English to Korean by initially focusing on the training of only input embeddings and progressively expanding to encompass the full parameters in the final stage. [|assistant|]

\(\bullet\)_모델 친화적인 형식 활용._ LLMs은 특별히 구성된 데이터 세트에 대해 사전 학습을 거쳤기 때문에 LLMs이 Instruction을 더 잘 이해할 수 있는 몇 가지 프롬프트 형식이 있습니다. 예를 들어, OpenAI 문서에서 설명하는 것처럼 *** 또는 ***를 중지 기호로 사용하여 Instruction과 컨텍스트를 구분할 수 있으며, 이는 LLMs이 더 잘 이해할 수 있습니다. 일반적인 가이드라인으로, 대부분의 기존 LLMs은 영어로 된 지시를 더 잘 수행하므로 기계 번역을 기반으로 어려운 작업을 해결하는 데 영어 지시를 사용하는 것이 유용합니다.[|endofturn|]

\(\bullet\)_모델 친화적인 형식 활용._ LLM은 특별히 구성된 데이터 세트에 대해 사전 학습을 거쳤기 때문에 LLM이 지시를 더 잘 이해할 수 있는 몇 가지 프롬프트 형식이 있습니다. 예를 들어, OpenAI 문서에서 설명하는 것처럼 *** 또는 ***를 중지 기호로 사용하여 지침과 컨텍스트를 구분할 수 있으며, 이는 LLM이 더 잘 이해할 수 있습니다. 일반적인 가이드라인으로, 대부분의 기존 LLM은 영어로 된 지시를 더 잘 수행하므로 기계 번역을 기반으로 어려운 작업을 해결하는 데 영어 지시를 사용하는 것이 유용합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]\(\bullet\)_Utilizing model-friendly format._ Since LLMs are pre-trained on specially constructed datasets, there are some prompt formats that can make LLMs better understand the instruction. For example, as the OpenAI documentation suggests, we can use *** or *** as a stop symbol to separate the instruction and context, which can be better understood by LLMs. As a general guideline, most existing LLMs perform a task better in English, thus it is useful to employ English instructions to solve difficult tasks based on machine translation. [|assistant|]

따라서 \(T\gtrsim k^{\beta}\)가 되는 즉시 AI가 생성한 샘플 크기 \(T\)는 "scalable" 리소스가 되지 않으며, 더 많은 AI가 생성한 샘플을 수집해도 다운스트림 모델의 성능이 향상되지 않으며, 즉 성능이 정체되고 scaling을 잃게 됩니다. 이 결과는 그림 3의 왼쪽과 그림 8(부록 B)에서 경험적으로 설명합니다.[|endofturn|]

따라서 \(T\gtrsim k^{\베타}\)가 되는 즉시 AI가 생성한 샘플 크기 \(T\)는 "확장 가능한" 리소스가 되지 않으며, 더 많은 AI가 생성한 샘플을 수집해도 다운스트림 모델의 성능이 향상되지 않으며, 즉 성능이 정체되고 확장성을 잃게 됩니다. 이 결과는 그림 3의 왼쪽과 그림 8(부록 B)에서 경험적으로 설명합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Thus, as soon as \(T\gtrsim k^{\beta}\), the AI-generated sample size \(T\) ceases to be a "scalable" resource: collecting more AI-generated samples will not improve the performance of the downstream model, i.e performance plateaus and we lose scaling. The result is illustrated empirically in Figure 3, left and Figure 8 (Appendix B). [|assistant|]

DKS-RAC(Huang et al., 2023)은 시퀀스 수준에서 답변과 검색된 구절 간의 지식을 정렬하기 위해 Dense Knowledge Similarity (DKS)을 제시합니다. 이 접근 방식은 지식 유사성을 기반으로 구절 선택에 직접적인 영향을 미쳐 질의와 문서 간의 일치도를 개선하기 때문에 re-ranking에 속합니다.[|endofturn|]

DKS-RAC(Huang et al., 2023)은 시퀀스 수준에서 답변과 검색된 구절 간의 지식을 정렬하기 위해 밀도 지식 유사성(DKS)을 제시합니다. 이 접근 방식은 지식 유사성을 기반으로 구절 선택에 직접적인 영향을 미쳐 질의와 문서 간의 일치도를 개선하기 때문에 재순위화(re-ranking)에 속합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]DKS-RAC (Huang et al., 2023) presents the Dense Knowledge Similarity (DKS) for aligning the knowledge between answers and retrieved passages at the sequence level. This approach is categorized under re-ranking due to its direct impact on passage selection based on knowledge similarity, refining the match between queries and documents. [|assistant|]

MLCommons는 v0.5 benchmark를 지원하기 위해 benchmark 실행자(benchmark를 구현하는 데 사용할 수 있는)인 ModelBench benchmark runner와 실제 테스트 항목이 포함된 테스트 실행 엔진인 ModelGauge로 구성된 오픈 소스 평가 도구를 개발했습니다. 이 도구를 사용하면 버전이 지정된 테스트와 SUT를 사용하여 표준화되고 재현 가능한 benchmark 실행을 수행할 수 있습니다. 이 도구는 모듈식 플러그인 아키텍처로 설계되어 모델 제공업체가 평가를 위해 새로운 SUT를 플랫폼에 쉽게 구현하고 추가할 수 있습니다. AI Safety Benchmark가 발전함에 따라 플랫폼에 새로운 버전의 테스트가 추가될 것입니다. 플랫폼에 액세스하고 사용하는 방법에 대한 자세한 내용은 GitHub의 ModelBench Git 리포지토리에서 확인할 수 있습니다. ModelBench와 ModelGauge는 Stanford Center for Research on Foundation Models (CRFM)의 Holistic Evaluation of Language Models [12] 팀과 공동으로 개발되었으며, 널리 채택된 오픈 소스 모델 평가 프레임워크를 만들어온 HELM 팀의 리빙 리더보드에 대한 경험을 바탕으로 개발되었습니다.[|endofturn|]

MLCommons는 v0.5 벤치마크를 지원하기 위해 벤치마크 실행자(벤치마크를 구현하는 데 사용할 수 있는)인 ModelBench 벤치마크 런너와 실제 테스트 항목이 포함된 테스트 실행 엔진인 ModelGauge로 구성된 오픈 소스 평가 도구를 개발했습니다. 이 도구를 사용하면 버전이 지정된 테스트와 SUT를 사용하여 표준화되고 재현 가능한 벤치마크 실행을 수행할 수 있습니다. 이 도구는 모듈식 플러그인 아키텍처로 설계되어 모델 제공업체가 평가를 위해 새로운 SUT를 플랫폼에 쉽게 구현하고 추가할 수 있습니다. AI 안전 벤치마크가 발전함에 따라 플랫폼에 새로운 버전의 테스트가 추가될 것입니다. 플랫폼에 액세스하고 사용하는 방법에 대한 자세한 내용은 GitHub의 ModelBench Git 리포지토리에서 확인할 수 있습니다.6 ModelBench와 ModelGauge는 스탠포드 기반 모델 연구 센터(CRFM)의 HOLISTIC 언어 모델 평가[12] 팀과 공동으로 개발되었으며, 널리 채택된 오픈 소스 모델 평가 프레임워크를 만들어온 HELM 팀의 리빙 리더보드에 대한 경험을 바탕으로 개발되었습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]To support the v0.5 benchmark, MLCommons has developed an open-source evaluation tool, which consists of the ModelBench benchmark runner (which can be used to implement the benchmark) and the ModelGauge test execution engine (which contains the actual test items). This tool enables standardized, reproducible benchmark runs using versioned tests and SUTs. The tool is designed with a modular plug-in architecture, allowing model providers to easily implement and add new SUTs to the platform for evaluation. As the AI Safety Benchmark evolves, new versions of tests will be added to the platform. Details on how to access and use the platform can be found in the ModelBench Git repository on GitHub.6 ModelBench and ModelGauge were developed in collaboration with the Holistic Evaluation of Language Models [12] team at the Stanford Center for Research on Foundation Models (CRFM), and build upon the HELM team's experience of creating a widely-adopted open-source model evaluation framework for living leaderboards. [|assistant|]

* 그림 7: 사용 사례 및 전달 가능한 기술을 포함한 Instruction을 메타데이터로 인코딩하기. * 그림 8: Instruction 메타데이터를 구조가 비교적 단순한 기본 Instruction으로 디코딩하기. * 그림 9: Instruction이 얼마나 어려운지 판단하기 위한 루브릭 생성 및 주어진 메타데이터를 기반으로 Instruction을 개선하기 위한 조치. * 그림 10: 생성된 작업 중 하나를 수행하여 입력 Instruction을 개선합니다. * 그림 11: 대상 LLM과 강력한 LLM의 응답 품질 비교. 설명 부분을 제거하여 Vicuna 스타일의 쌍별 비교 프롬프트에서 수정했습니다. * 그림 12: LLM(_예: ChatGPT, GPT-4)을 심사위원으로 사용한 자동 평가. Chiang et al.의 템플릿을 따름(2023); Chen et al.[|endofturn|]

* 그림 7: 사용 사례 및 전달 가능한 기술을 포함한 인스트럭션을 메타데이터로 인코딩하기. * 그림 8: 인스트럭션 메타데이터를 구조가 비교적 단순한 기본 인스트럭션으로 디코딩하기. * 그림 9: 지침이 얼마나 어려운지 판단하기 위한 루브릭 생성 및 주어진 메타데이터를 기반으로 지침을 개선하기 위한 조치. * 그림 10: 생성된 작업 중 하나를 수행하여 입력 지침을 개선합니다. * 그림 11: 대상 LLM과 강력한 LLM의 응답 품질 비교. 설명 부분을 제거하여 Vicuna 스타일의 쌍별 비교 프롬프트에서 수정했습니다. * 그림 12: LLM(_예: ChatGPT, GPT-4)을 심사위원으로 사용한 자동 평가. Chiang et al.의 템플릿을 따름(2023); Chen et al.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]* Figure 7: Encoding instructions into metadata, including use case and transferable skills. * Figure 8: Decoding instruction metadata into basic instructions that are relatively simple in structure. * Figure 9: Generating rubrics to judge how challenging an instruction is, and actions to improve the instruction based on the given metadata. * Figure 10: Improving the input instruction by following one of the generated actions. * Figure 11: Comparing the responses quality from the target and strong LLMs. Adapted from the Vicuna-style pairwise comparison prompt by removing the explanation part. * Figure 12: Automatic evaluation using LLM (_e.g._, ChatGPT, GPT-4) as the judge. Following the templates in Chiang et al. (2023); Chen et al. [|assistant|]

언어의 맥락에서 벗어나 선호도에서 정책을 학습하는 것은 bandit 및 Reinforcement Learning 환경에서 연구되어 왔으며, 여러 가지 접근 방식이 제안되었습니다. 보상이 아닌 행동의 선호도 또는 순위를 사용하는 contextual bandit 학습을 contextual dueling bandit (CDB; [48; 14])라고 합니다. 절대적인 보상이 없는 경우, CDB에 대한 이론적 분석은 최적의 정책 개념을 _von Neumann winner_로 대체하며, 이는 _다른 정책에 대한 기대 승률이 최소 50%인 정책입니다[14]. 그러나 CDB 설정에서는 선호도 레이블이 온라인으로 제공되는 반면, 사람의 선호도를 학습하는 경우 일반적으로 오프라인 선호도가 주어진 고정된 일괄 작업에서 학습합니다[47]. 마찬가지로, _preference-based RL_ (PbRL)은 보상이 아닌 _알 수 없는_'점수' 함수에 의해 생성된 이진 선호도를 학습합니다[9; 35]. off-policy 선호도 데이터를 재사용할 수 있는 방법을 포함하여 다양한 PbRL 알고리즘이 존재하지만, 일반적으로 잠재 점수 함수(즉, 보상 모델)를 명시적으로 추정한 다음 이를 최적화하는 과정을 포함합니다[16; 9; 12; 34; 19]. 대신 선호도를 만족하도록 정책을 직접 최적화하는 단일 단계 정책 학습 접근 방식을 제시합니다.[|endofturn|]

언어의 맥락에서 벗어나 선호도에서 정책을 학습하는 것은 밴디트 및 강화 학습 환경에서 연구되어 왔으며, 여러 가지 접근 방식이 제안되었습니다. 보상이 아닌 행동의 선호도 또는 순위를 사용하는 컨텍스트 밴디트 학습을 컨텍스트 듀얼링 밴디트(CDB; [48; 14])라고 합니다. 절대적인 보상이 없는 경우, CDB에 대한 이론적 분석은 최적의 정책 개념을 _폰 노이만 승자_로 대체하며, 이는 _다른 정책에 대한 기대 승률이 최소 50%인 정책입니다[14]. 그러나 CDB 설정에서는 선호도 레이블이 온라인으로 제공되는 반면, 사람의 선호도를 학습하는 경우 일반적으로 오프라인 선호도가 주어진 고정된 일괄 작업에서 학습합니다[47]. 마찬가지로, _선호도 기반 RL_(PbRL)은 보상이 아닌 _알 수 없는_'점수' 함수에 의해 생성된 이진 선호도를 학습합니다[9; 35]. 오프폴리시 선호도 데이터를 재사용할 수 있는 방법을 포함하여 다양한 PbRL 알고리즘이 존재하지만, 일반적으로 잠재 점수 함수(즉, 보상 모델)를 명시적으로 추정한 다음 이를 최적화하는 과정을 포함합니다[16; 9; 12; 34; 19]. 대신 선호도를 만족하도록 정책을 직접 최적화하는 단일 단계 정책 학습 접근 방식을 제시합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Outside of the context of language, learning policies from preferences has been studied in both bandit and reinforcement learning settings, and several approaches have been proposed. Contextual bandit learning using preferences or rankings of actions, rather than rewards, is known as a contextual dueling bandit (CDB; [48; 14]). In the absence of absolute rewards, theoretical analysis of CDBs substitutes the notion of an optimal policy with a _von Neumann winner_, a policy whose expected win rate against _any_ other policy is at least 50% [14]. However, in the CDB setting, preference labels are given online, while in learning from human preferences, we typically learn from a fixed batch of offline preference-annotated action pairs [47]. Similarly, _preference-based RL_ (PbRL) learns from binary preferences generated by an _unknown_'scoring' function rather than rewards [9; 35]. Various algorithms for PbRL exist, including methods that can reuse off-policy preference data, but generally involve first explicitly estimating the latent scoring function (i.e. the reward model) and subsequently optimizing it [16; 9; 12; 34; 19]. We instead present a single stage policy learning approach that directly optimizes a policy to satisfy preferences. [|assistant|]

**Vertical Architectures**. 이 구조에서는 한 agent가 리더 역할을 하며 다른 agent가 이 리더에게 직접 보고합니다. architecture에 따라 보고 agent는 리드 agent와만 통신할 수 있습니다. 또는 모든 agent 간에 공유 대화로 리더를 정의할 수도 있습니다. 수직 architecture의 주요 특징은 리드 agent가 있고 협업 agent 간에 분명한 분업이 이루어진다는 것입니다.[|endofturn|]

**수직 아키텍처**. 이 구조에서는 한 에이전트가 리더 역할을 하며 다른 에이전트가 이 리더에게 직접 보고합니다. 아키텍처에 따라 보고 에이전트는 리드 에이전트와만 통신할 수 있습니다. 또는 모든 에이전트 간에 공유 대화로 리더를 정의할 수도 있습니다. 수직 아키텍처의 주요 특징은 리드 에이전트가 있고 협업 에이전트 간에 분명한 분업이 이루어진다는 것입니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**Vertical Architectures**. In this structure, one agent acts as a leader and has other agents report directly to them. Depending on the architecture, reporting agents may communicate exclusively with the lead agent. Alternatively, a leader may be defined with a shared conversation between all agents. The defining features of vertical architectures include having a lead agent and a clear division of labor between the collaborating agents. [|assistant|]

잠재적인 매치로 식별된 각각의 문서 쌍에 대해, 더 많은 계산 비용이 많이 드는 similarity metric이 후속 필터링 단계로서 사용될 수 있다.[|endofturn|]

잠재적인 매치로 식별된 각각의 문서 쌍에 대해, 더 많은 계산 비용이 많이 드는 유사성 메트릭이 후속 필터링 단계로서 사용될 수 있다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]For each pair of documents identified as a potential match, more computationally expensive similarity metrics can be employed as a subsequent filtering step. [|assistant|]

**여러 연구에서 계획(Chen et al., 2023; Gandhi et al., 2023; Qiao et al., 2024)에서 추론하도록 언어 모델 에이전트를 가르치거나 특정 도구 또는 메모리를 사용하도록(Yao et al., 2022; Lanchantin et al., 2024; Schick et al., 2024) 연구하는 한편, 다른 연구에서는 대규모 언어 모델에서 추론을 소규모 언어 모델로 증류하는 방법을 연구하고 있습니다(Ho et al., 2022; Li et al., 2022; Hsieh et al., 2023). 그러나 특히 Pan et al. (2024)은 이러한 피드백 루프가 보상 해킹을 초래할 수 있음을 보여줍니다. Zelikman et al. (2023)은 모델이 동일한 코드 개선자를 사용하여 코드 개선자를 반복적으로 개선하는 bootstrapping loop를 구현하는 방법을 보여주고, Haluptzok et al. (2023)은 언어 모델이 프로그래밍 퍼즐을 통해 프로그래밍 능력을 bootstrapping하는 방법을 보여줍니다(Schuster et al., 2021). 다른 연구에서는 inductive reasoning 작업을 해결하거나 실제 시스템을 모델링하기 위해 언어 모델에 유사한 전략을 사용했습니다(Wang et al., 2023; Qiu et al., 2023; Zhu et al., 2023; Li et al., 2024).[|endofturn|]

**여러 연구에서 계획(Chen et al., 2023; Gandhi et al., 2023; Qiao et al., 2024)에서 추론하도록 언어 모델 에이전트를 가르치거나 특정 도구 또는 메모리를 사용하도록(Yao et al., 2022; Lanchantin et al., 2024; Schick et al., 2024) 연구하는 한편, 다른 연구에서는 대규모 언어 모델에서 추론을 소규모 언어 모델로 증류하는 방법을 연구하고 있습니다(Ho et al., 2022); Li et al. (2022); Hsieh et al. (2023). 그러나 특히 Pan et al. (2024)은 이러한 피드백 루프가 보상 해킹을 초래할 수 있음을 보여줍니다. Zelikman et al. (2023)은 모델이 동일한 코드 개선자를 사용하여 코드 개선자를 반복적으로 개선하는 부트스트랩 루프를 구현하는 방법을 보여주고, Haluptzok et al. (2023)은 언어 모델이 프로그래밍 퍼즐을 통해 프로그래밍 능력을 부트스트랩하는 방법을 보여줍니다(Schuster et al., 2021). 다른 연구에서는 유도 추론 작업을 해결하거나 실제 시스템을 모델링하기 위해 언어 모델에 유사한 전략을 사용했습니다(Wang et al., 2023; Qiu et al., 2023; Zhu et al., 2023; Li et al., 2024).[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**Several works investigate teaching language model agents to reason in planning (Chen et al., 2023; Gandhi et al., 2023; Qiao et al., 2024), or to use specific tools or memory (Yao et al., 2022; Lanchantin et al., 2024; Schick et al., 2024), while others investigate how one may distill the reasoning from a large language model into a smaller language model Ho et al. (2022); Li et al. (2022); Hsieh et al. (2023). Notably however, Pan et al. (2024) demonstratesthat these feedback loops may result in reward hacking. Zelikman et al. (2023) shows how a bootstrapping loop can be implemented where a model repeatedly improves a code-improver using the same code-improver and Haluptzok et al. (2023) shows how language models can bootstrap their programming ability with programming puzzles Schuster et al. (2021). Other works have employed a similar strategy for using language models to solve inductive reasoning tasks or to model real-world systems (Wang et al., 2023; Qiu et al., 2023; Zhu et al., 2023; Li et al., 2024). [|assistant|]

최적화 및 평가. 최적화를 위해 워밍업 20단계, Learning Rate \(1e-6\), 가중치 감쇠 0.001, Batch Size 8(필요에 따라 실행 전반에 걸쳐 이를 고정하기 위해 그라디언트 누적)의 AdamW Optimizer를 사용합니다. 또한, <!startofthought|> 및 <!endofthought|> 임베딩 그라디언트 가중치는 \(1e2\)이고 정책 가중치는 \(1e6\)입니다. 훈련 중에는 온도 \(T=1\)로 샘플링하고 평가 중에는 탐욕스러운 디코딩을 사용합니다. 온도 \(T=3\)에서 REINFORCE Loss를 계산하여 샘플을 중요 샘플로 취급합니다. 모델에 예제를 프롬프트하지 않으므로 정답의 확률을 직접 계산하여 예를 들어, \(A\cdots E\) 사이의 객관식 문제의 경우, \(A\cdots E\)에 해당하는 토큰에 대한 로짓에 대한 정확도를 계산합니다. 마지막으로, 훈련의 경우 각 샘플에서 256개의 토큰의 임의 범위를 선택합니다(또는 토큰이 256개 미만인 경우 패드).[|endofturn|]

최적화 및 평가최적화를 위해 워밍업 20단계, 학습 속도 \(1e-6\), 가중치 감쇠 0.001, 배치 크기 8(필요에 따라 실행 전반에 걸쳐 이를 고정하기 위해 그라디언트 누적)의 AdamW 옵티마이저를 사용합니다. 또한, <!startofthought|> 및 <!endofthought|> 임베딩 그라디언트 가중치는 \(1e2\)이고 정책 가중치는 \(1e6\)입니다. 훈련 중에는 온도 \(T=1\)로 샘플링하고 평가 중에는 탐욕스러운 디코딩을 사용합니다. 온도 \(T=3\)에서 REINFORCE 손실을 계산하여 샘플을 중요 샘플로 취급합니다. 모델에 예제를 프롬프트하지 않으므로 정답의 확률을 직접 계산하여 예를 들어, \(A\cdots E\) 사이의 객관식 문제의 경우, \(A\cdots E\)에 해당하는 토큰에 대한 로짓에 대한 정확도를 계산합니다. 마지막으로, 훈련의 경우 각 샘플에서 256개의 토큰의 임의 범위를 선택합니다(또는 토큰이 256개 미만인 경우 패드).[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Optimization and EvaluationFor optimization, we use the AdamW optimizer with a warmup of 20 steps, a learning rate of \(1e-6\), a weight decay of 0.001, and a batch size of 8 (along with any necessary gradient accumulation to keep this fixed across runs). Moreover, our <!startofthought|> and <!endofthought|> embedding gradient weight is \(1e2\) and our policy weight is \(1e6\). We sample with temperature \(T=1\) during training and use greedy decoding for the thoughts during evaluation. We treat our samples as importance samples by computing the REINFORCE loss at temperature \(T=3\). Because we do not prompt the model with any examples, we directly compute the probability of the correct answer, conditioned on generating an answer - for example, for multiple choice questions between \(A\cdots E\), we compute the accuracy over the logits for tokens corresponding to \(A\cdots E\). Lastly, for our training, we select a random span of 256 tokens from each sample (or pad if there are fewer than 256 tokens). [|assistant|]

ChatGPT(OpenAI, 2022)는 InstructGPT(Ouyang et al., 2022)에서 발전한 것으로, 상황에 맞는 인간과 유사한 대화를 할 수 있는 고급 대화형 AI 모델입니다. 이 모델의 성공은 더욱 정교한 LLM인 GPT-4(OpenAI, 2023)의 개발을 위한 발판이 되었으며, 자연어 이해, 생성 및 다양한 NLP 작업, 특히 다중 모달 및 추론 능력에서 더 큰 잠재력을 보여주었습니다. 이러한 모델은 새로운 연구 방향과 응용 프로그램을 촉진하여 Artificial General Intelligence (AGI)의 잠재력을 탐구하는 데 대한 관심을 강화했습니다. 여러 벤치마크에서 인상적인 성능을 보여준 이 모델은 few-shot learning과 새로운 작업에 대한 적응력을 통해 NLP 연구의 확장을 크게 주도했습니다. 그 결과, 연구자와 업계 전문가 모두 감정 분석, 기계 번역, question-answering 시스템 등 다양한 애플리케이션 분야에서 이들의 잠재력을 활용하려는 노력을 계속하고 있습니다.[|endofturn|]

ChatGPT(OpenAI, 2022)는 InstructGPT(Ouyang et al., 2022)에서 발전한 것으로, 상황에 맞는 인간과 유사한 대화를 할 수 있는 고급 대화형 AI 모델입니다. 이 모델의 성공은 더욱 정교한 LLM인 GPT-4(OpenAI, 2023)의 개발을 위한 발판이 되었으며, 자연어 이해, 생성 및 다양한 NLP 작업, 특히 다중 모달 및 추론 능력에서 더 큰 잠재력을 보여주었습니다. 이러한 모델은 새로운 연구 방향과 응용 프로그램을 촉진하여 인공 일반 지능(AGI)의 잠재력을 탐구하는 데 대한 관심을 강화했습니다. 여러 벤치마크에서 인상적인 성능을 보여준 이 모델은 소수 샷 학습과 새로운 작업에 대한 적응력을 통해 NLP 연구의 확장을 크게 주도했습니다. 그 결과, 연구자와 업계 전문가 모두 감정 분석, 기계 번역, 질의응답 시스템 등 다양한 애플리케이션 분야에서 이들의 잠재력을 활용하려는 노력을 계속하고 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]ChatGPT (OpenAI, 2022), evolved from InstructGPT (Ouyang et al., 2022), serves as an advanced conversational AI model capable of conducting context-aware, human-like interactions. Its success set the stage for the development of GPT-4 (OpenAI, 2023), a more sophisticated LLM, demonstrating even greater potential in natural language understanding, generation, and various NLP tasks, especially for its multi-modal and reasoning abilities. These models have catalyzed new research directions and applications, intensifying interest in exploring the potential of Artificial General Intelligence (AGI). Exhibiting impressive performance across multiple benchmarks, they have also demonstrated capabilities for few-shot learning and adaptability to new tasks, significantly driving the expansion of NLP research. Consequently, they have inspired both researchers and industry professionals to further harness their potential across a wide array of applications, including sentiment analysis, machine translation, question-answering systems, and more. [|assistant|]

실험. 앞서 고려한 6가지 모델에 대해, 우리는 추출한 행렬 \(\tilde{\mathbf{W}}=\mathbf{U}\cdot\mathbf{\Sigma}\)와 실제 가중치 행렬을 비교하여 공격 성공률을 평가합니다. 구체적으로, 우리는 최소 제곱 시스템 \(\tilde{\mathbf{W}}\cdot\mathbf{G}\approx\mathbf{W}\)를 \(\mathbf{G}\)에 대해 풀고, 각각 \(l\) 방정식과 \(h\) 미지수를 가진 \(h\times h\) affine transformation을 허용한 후 \(\mathbf{G}\)에 대해 최소 제곱 시스템을 풉니다. 그런 다음 \(\mathbf{W}\)와 \(\tilde{\mathbf{W}}\cdot\mathbf{G}\)의 RMS를 보고합니다.[|endofturn|]

실험.앞서 고려한 6가지 모델에 대해, 우리는 추출한 행렬 \(\tilde{\mathbf{W}}=\mathbf{U}\cdot\mathbf{\Sigma}\)와 실제 가중치 행렬을 비교하여 공격 성공률을 평가합니다. 구체적으로, 우리는 최소 제곱 시스템 \(\tilde{\mathbf{W}}\cdot\mathbf{G}\approx\mathbf{W}\)를 \(\mathbf{G}\)에 대해 풀고, 각각 \(l\) 방정식과 \(h\) 미지수를 가진 \(h\times h\) 아핀 변환을 허용한 후 \(\mathbf{G}\)에 대해 최소 제곱 시스템을 풉니다. 그런 다음 \(\mathbf{W}\)와 \(\tilde{\mathbf{W}}\cdot\mathbf{G}\)의 RMS를 보고합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Experiments.For the six models considered previously, we evaluate the attack success rate by comparing the root mean square (RMS) between our extracted matrix \(\tilde{\mathbf{W}}=\mathbf{U}\cdot\mathbf{\Sigma}\) and the actual weight matrix, after allowing for a \(h\times h\) affine transformation. Concretely, we solve the least squares system \(\tilde{\mathbf{W}}\cdot\mathbf{G}\approx\mathbf{W}\) for \(\mathbf{G}\), which reduces to \(h\) linear least squares problems, each with \(l\) equations and \(h\) unknowns. Then, we report the RMS of \(\mathbf{W}\) and \(\tilde{\mathbf{W}}\cdot\mathbf{G}\). [|assistant|]

GPT-4 예측의 수동 분석. 이 논문의 저자들은 각 측면에 대해 무작위로 샘플링된 20개의 인스턴스를 수동으로 평가하고 동일한 instruction, 데모 및 테스트 인스턴스가 주어졌을 때 GPT-4 예측이 자신의 평가와 일치하는지 확인합니다. 평가 결과, 특히 관련성(95%), retrieval necessity(95%), 지원 정도(90%)에서 GPT-4 예측과 높은 일치도를 보이는 것으로 나타났습니다. 유용성(80%)에서는 일치도가 약간 낮았는데, 이는 대부분 1과 2 또는 4와 5 사이의 의견 불일치 때문이었습니다.[|endofturn|]

GPT-4 예측의 수동 분석.이 논문의 저자들은 각 측면에 대해 무작위로 샘플링된 20개의 인스턴스를 수동으로 평가하고 동일한 지침, 데모 및 테스트 인스턴스가 주어졌을 때 GPT-4 예측이 자신의 평가와 일치하는지 확인합니다. 평가 결과, 특히 관련성(95%), 검색 필요성(95%), 지원 정도(90%)에서 GPT-4 예측과 높은 일치도를 보이는 것으로 나타났습니다. 유용성(80%)에서는 일치도가 약간 낮았는데, 이는 대부분 1과 2 또는 4와 5 사이의 의견 불일치 때문이었습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Manual analysis of the GPT-4 predictions.The authors of this paper manually assess randomly sampled 20 instances for each aspect and check if GPT-4 predictions match their assessments given the same instruction, demonstrations, and test instances. We found our assessments show high agreement with GPT-4 predictions, especially for relevance (95%), retrieval necessity (95%), and the degree of support (90%). Agreement was slightly lower in usefulness (80%), mostly due to the disagreement between 1 and 2 or 4 and 5. [|assistant|]

**결론**. 그림 8(b)-8(e)에서 정크 데이터가 무작위 지식을 모방하는 경우, training 시간을 크게 늘리지 않는 한 용량 비율에 _중대한 영향_을 미칩니다. 그림 8(f)에서 정크 데이터가 매우 반복적인 경우 성능 저하가 없습니다.[|endofturn|]

**결론**. 그림 8(b)-8(e)에서 정크 데이터가 무작위 지식을 모방하는 경우, 훈련 시간을 크게 늘리지 않는 한 용량 비율에 _중대한 영향_을 미칩니다. 그림 8(f)에서 정크 데이터가 매우 반복적인 경우 성능 저하가 없습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**Conclusions.** In Figure 8(b)-8(e), when junk data mimics random knowledge, capacity ratios are _significantly impacted_ unless training time is substantially increased. In Figure 8(f), if the junk data is highly repetitive, there is no degradation. [|assistant|]

우리의 실험은 8개의 NVIDIA RTX A5000 GPU가 장착된 Ubuntu 22.04 컴퓨터에서 PyTorch 2.0.1 및 CUDA 11.8과 함께 Python 3.9로 수행됩니다. 공개적으로 사용 가능한 LLM(예: Gemma-2b-it 및 Gemma-7b-it [66], LLaMA-2-13b-chat-hf [10])을 AIOS의 백본으로 사용합니다. 이 선택은 오픈 소스 모델의 로컬 배포 이점에 기반한 것으로, 시간 지연 시간을 정확하게 측정하는 데 도움이 됩니다. 평가를 위해 수학적 과제를 해결하는 Math Agent, 새로운 내러티브를 생성하는 Narrative Agent, 레스토랑 추천을 제공하는 Rec Agent 등 세 가지 전문 에이전트를 구성합니다. 각 에이전트는 실행 중에 백본 LLM에 2~3개의 요청을 보내도록 설계되었습니다.[|endofturn|]

우리의 실험은 8개의 NVIDIA RTX A5000 GPU가 장착된 Ubuntu 22.04 컴퓨터에서 PyTorch 2.0.1 및 CUDA 11.8과 함께 Python 3.9로 수행됩니다. 공개적으로 사용 가능한 LLM(예: Gemma-2b-it 및 Gemma-7b-it [66], LLaMA-2-13b-chat-hf [10])을 AIOS의 백본으로 사용합니다. 이 선택은 오픈 소스 모델의 로컬 배포 이점에 기반한 것으로, 시간 지연 시간을 정확하게 측정하는 데 도움이 됩니다. 평가를 위해 수학적 과제를 해결하는 수학 에이전트, 새로운 내러티브를 생성하는 내러티브 에이전트, 레스토랑 추천을 제공하는 Rec 에이전트 등 세 가지 전문 에이전트를 구성합니다. 각 에이전트는 실행 중에 백본 LLM에 2~3개의 요청을 보내도록 설계되었습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Our experiments are conducted in Python 3.9 with PyTorch 2.0.1 and CUDA 11.8 on an Ubuntu 22.04 machine equipped with 8 NVIDIA RTX A5000 GPUs. We employ the publicly available LLMs (i.e., Gemma-2b-it and Gemma-7b-it [66], LLaMA-2-13b-chat-hf [10]) as the backbone of AIOS. This selection is driven by the advantage of local deployment of open-sourced models, which aids in the accurate measurement of time latency. For the evaluation, we configure three specialized agents: a Math Agent for solving mathematical challenges, a Narrative Agent for generating novel narratives, and a Rec Agent tasked with providing restaurant recommendations. Each agent is designed to send 2 to 3 requests to the backbone LLM during running. [|assistant|]

Frobenius norm에 대해 순위 \(d\)의 \(W^{*}\)의 최적 approximation을 \(W_{d}\)로 표시해 보겠습니다.[|endofturn|]

프로베니우스 규범에 대해 순위 \(d\)의 \(W^{*}\)의 최적 근사치를 \(W_{d}\)로 표시해 보겠습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Let us note \(W_{d}\) the best approximation of \(W^{*}\) of rank \(d\) with respect to the Frobenius norm. [|assistant|]

정확하지 않은 인터넷 검색 결과 문제를 해결하기 위해 Lazaridou 등(2022)은 TF-IDF 알고리즘을 사용하여 검색 결과에 점수를 매기는 방법을 제안했습니다. 이들은 각 질문 q를 그대로 쿼리로 사용하고 Google 검색 API를 통해 Google 검색에 호출했습니다. 각 질문에 대해 상위 20개의 URL을 검색하고 HTML 콘텐츠를 구문 분석하여 깨끗한 텍스트를 추출하여 각 질문 q에 대한 문서 집합 D를 생성했습니다. Hu 등(2023)은 관련 없는 정보가 사용자의 쿼리 해결을 방해하는 것을 방지하기 위해 게이팅 회로를 설계했습니다. 이 회로는 dual-encoder dot product를 사용하여 유사성을 계산하고 용어 가중치를 기반으로 게이팅 회로를 활용했습니다. 또한 Boytsov 등(2016)은 검색 성능을 개선하기 위해 번역 모델과 BM25를 결합하면서 용어 기반 검색을 k-Nearest Neighbors(kNN) 검색으로 대체하는 접근 방식을 제시했습니다. 이 접근 방식을 통해 모델은 용어 간의 의미 관계와 기존의 통계적 가중치 체계를 고려할 수 있었고, 그 결과 보다 효율적인 검색 시스템을 구축할 수 있었습니다.[|endofturn|]

정확하지 않은 인터넷 검색 결과 문제를 해결하기 위해 Lazaridou 등(2022)은 TF-IDF 알고리즘을 사용하여 검색 결과에 점수를 매기는 방법을 제안했습니다. 이들은 각 질문 q를 그대로 쿼리로 사용하고 Google 검색 API를 통해 Google 검색에 호출했습니다. 각 질문에 대해 상위 20개의 URL을 검색하고 HTML 콘텐츠를 구문 분석하여 깨끗한 텍스트를 추출하여 각 질문 q에 대한 문서 집합 D를 생성했습니다. Hu 등(2023)은 관련 없는 정보가 사용자의 쿼리 해결을 방해하는 것을 방지하기 위해 게이팅 회로를 설계했습니다. 이 회로는 이중 인코더 도트 프로덕트를 사용하여 유사성을 계산하고 용어 가중치를 기반으로 게이팅 회로를 활용했습니다. 또한 Boytsov 등(2016)은 검색 성능을 개선하기 위해 번역 모델과 BM25를 결합하면서 용어 기반 검색을 k-Nearest Neighbors(kNN) 검색으로 대체하는 접근 방식을 제시했습니다. 이 접근 방식을 통해 모델은 용어 간의 의미 관계와 기존의 통계적 가중치 체계를 고려할 수 있었고, 그 결과 보다 효율적인 검색 시스템을 구축할 수 있었습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]To tackle the issue of inaccurate Internet retrieval results, Lazaridou et al. (2022) proposed using the TF-IDF algorithm to score the retrieval results. They used each question q verbatim as a query and issued a call to Google Search via the Google Search API. For each question, they retrieved the top 20 URLs and parsed their HTML content to extract clean text, generating a set of documents D for each question q. To prevent irrelevant information from hindering the resolution of a user's query, Hu et al. (2023) designed a gating circuit. This circuit utilised a dual-encoder dot product to calculate similarity and a gating circuit based on term weights. Additionally, Boytsov et al. (2016) presented an approach that replaced term-based retrieval with k-Nearest Neighbors(kNN) search while combining a translation model and BM25 to improve retrieval performance. This approach enabled the model to take into account the semantic relationships between terms and traditional statistical weighting schemes, resulting in a more efficient retrieval system. [|assistant|]

그림 11: **실험 2의 Instruction-reversal 작업에 대한 Llama-7b의 훈련 전반의 정확도.**[|endofturn|]

그림 11: **실험 2의 명령어 반전 작업에 대한 Llama-7b의 훈련 전반의 정확도.**[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Figure 11: **Accuracy across training for Llama-7b on the instruction-reversal task for experiment 2.** [|assistant|]

이 정확한 부분 문자열 일치 기준은 개념적으로는 간단하지만, 순진한 (이차적인) 모든 쌍의 일치를 사용하면 계산적으로 엄청난 부담이 됩니다. 효율성을 개선하기 위해 전체 데이터 집합 \(D\)의 모든 예제를 거대한 시퀀스 \(\mathcal{S}\)로 연결하고, Suffix Array \(\mathcal{A}\)를 \(\mathcal{S}\)로 구성합니다. Suffix Array[20]는 Suffix Tree[20]의 표현으로, \(\|\mathcal{S}\|\)[13]에서 선형 시간으로 구성할 수 있으며, 특히 중복된 학습 예제를 선형 시간 내에 식별할 수 있는 많은 하위 문자열 쿼리를 효율적으로 계산할 수 있습니다. Suffix Array는 Suffix Tree에 비해 10~100배 더 메모리 효율적이라는 장점이 있는데, 입력 토큰당 8바이트만 필요하기 때문에 일부 쿼리 유형의 경우 점진적으로 효율성이 떨어지지만 NLP에서 효율적인 TF-IDF 계산[22] 및 문서 클러스터링[23] 등에 널리 사용되고 있습니다.[|endofturn|]

이 정확한 부분 문자열 일치 기준은 개념적으로는 간단하지만, 순진한 (이차적인) 모든 쌍의 일치를 사용하면 계산적으로 엄청난 부담이 됩니다. 효율성을 개선하기 위해 전체 데이터 집합 \(D\)의 모든 예제를 거대한 시퀀스 \(\mathcal{S}\)로 연결하고, Suffix Array \(\mathcal{A}\)를 \(\mathcal{S}\)로 구성합니다. 접미사 배열[20]은 접미사 트리[20]의 표현으로, \(\|\mathcal{S}\|\)[13]에서 선형 시간으로 구성할 수 있으며, 특히 중복된 학습 예제를 선형 시간 내에 식별할 수 있는 많은 하위 문자열 쿼리를 효율적으로 계산할 수 있습니다. 접미사 배열은 접미사 트리에 비해 10~100배 더 메모리 효율적이라는 장점이 있는데, 입력 토큰당 8바이트만 필요하기 때문에 일부 쿼리 유형의 경우 점진적으로 효율성이 떨어지지만 NLP에서 효율적인 TF-IDF 계산[22] 및 문서 클러스터링[23] 등에 널리 사용되고 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]This exact-substring-matching criterion, while conceptually simple, is computationally prohibitive with naive (quadratic) all-pair matching. To improve the efficiency, we concatenate all the examples of the entire dataset \(D\) into a giant sequence \(\mathcal{S}\), and construct a Suffix Array \(\mathcal{A}\) of \(\mathcal{S}\). A suffix array [20] is a representation of a suffix tree [20] that can be constructed in linear time in \(\|\mathcal{S}\|\)[13] and enables efficient computation of many substring queries; in particular, they allow us to identify duplicated training examples in linear time. Suffix arrays have the advantage over suffix trees in that they are 10-100\(\times\) more memory efficient [21], requiring just 8 bytes per input token, though they are asymptotically less efficient for some query types. They have been used widely in NLP, such as for efficient TF-IDF computation [22] and document clustering [23]. [|assistant|]

여기서 \(\theta_{chat\_new}\)는 결과 모델의 가중치이고, \(\theta_{CP}\)는 3.1에서 언급한 continue pre-trained 모델입니다. 이렇게 간단하게 추가함으로써 모델은 대상 언어의 instructions을 이해하고 따르는 능력을 획득할 뿐만 아니라 유용성 및 무해성과 같은 지정된 기준에 맞게 조정됩니다.[|endofturn|]

여기서 \(\theta_{chat\_new}\)는 결과 모델의 가중치이고, \(\theta_{CP}\)는 3.1에서 언급한 계속 사전 학습된 모델입니다. 이렇게 간단하게 추가함으로써 모델은 대상 언어의 지시를 이해하고 따르는 능력을 획득할 뿐만 아니라 유용성 및 무해성과 같은 지정된 기준에 맞게 조정됩니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]where \(\theta_{chat\_new}\) is the weights of the resulting model, \(\theta_{CP}\) is the continue pre-trained model mentioned in 3.1. With such simple addition, the model not only obtains the ability to understand and follow instructions in the target language but is also aligned with specified criteria such as helpfulness and harmlessness. [|assistant|]

지금부터 지속 학습 설정에서 여러 개의 새로운 데이터 세트가 표시될 때 무한 Learning Rate 일정의 역할을 살펴봅니다. 모델은 SlimPajama의 3개의 IID 100B 하위 집합(예: 세 가지 데이터 세트가 없는 설정, 섹션 5.2 참조)에서 서로 다른 Learning Rate 일정으로 무작위 초기화로부터 학습됩니다. 이 예비 실험에서는 변화가 없는 설정에 초점을 맞추고 약한 변화와 강한 변화의 경우는 향후 연구로 남겨두겠습니다. 이 작업은 동일한 분포의 대량의 데이터가 시간 간격으로 수신되고 이에 대해 모델을 계속 사전 학습하고자 하는 설정(예: 최신 웹 스크랩에 대해 모델을 계속 사전 학습하는 경우)을 시뮬레이션합니다. 이전 Optimizer 상태를 사용할 수 없는 상황에 적용할 수 있도록 데이터 집합 경계를 넘어 Optimizer 상태를 유지하지 않습니다. 그림 9는 405M 파라미터 모델에 대한 훈련 곡선을 보고합니다.[|endofturn|]

지금부터 지속 학습 설정에서 여러 개의 새로운 데이터 세트가 표시될 때 무한 학습 속도 일정의 역할을 살펴봅니다. 모델은 슬림파자마의 3개의 IID 100B 하위 집합(예: 세 가지 데이터 세트가 없는 설정, 섹션 5.2 참조)에서 서로 다른 학습 속도 일정으로 무작위 초기화로부터 학습됩니다. 이 예비 실험에서는 변화가 없는 설정에 초점을 맞추고 약한 변화와 강한 변화의 경우는 향후 연구로 남겨두겠습니다. 이 작업은 동일한 분포의 대량의 데이터가 시간 간격으로 수신되고 이에 대해 모델을 계속 사전 학습하고자 하는 설정(예: 최신 웹 스크랩에 대해 모델을 계속 사전 학습하는 경우)을 시뮬레이션합니다. 이전 최적화 상태를 사용할 수 없는 상황에 적용할 수 있도록 데이터 집합 경계를 넘어 최적화 상태를 유지하지 않습니다. 그림 9는 405M 파라미터 모델에 대한 훈련 곡선을 보고합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]We now explore the role of the infinite learning rate schedules when multiple new datasets are seen in a continual learning setup. The models are trained from random initialization with different learning rate schedules on 3 IID 100B subsets of SlimPajama (e.g., our _three datasets no shift_ setting; see Sec 5.2). We focus on the no shift setting in these preliminary experiments and leave the weak and strong shift cases to future work. This task simulates a setting where large amounts of data from the same distribution are received at time increments and we wish to continue pre-training our models on them (e.g., continuing to pre-train the model on the latest web-scrape). To make our results applicable to situations where previous optimizer states are not available, we do not keep optimizer states across dataset boundaries. Fig. 9 reports training curves for 405M parameter models. [|assistant|]

그러나 이방성이 10억 개 이상의 파라미터를 가진 모델에 영향을 미치는지 여부는 아직 명확하지 않습니다. 이 문제를 해결하기 위해 우리는 일련의 모델(즉, GPT-2(Radford et al., 2019), OPT(Zhang et al., 2022), Pythia(Biderman et al., 2023), Gemma(Team et al., 2024))에서 레이어 간의 중간 표현의 평균 cosine-similarity를 계산합니다. 이 데이터 세트의 도메인이 이러한 제품군에 사용된 pretraining 데이터 세트의 도메인을 포함하거나 일치한다고 가정하기 때문에 The Pile(Gao et al., 2020)의 하위 샘플을 사용합니다.[|endofturn|]

그러나 이방성이 10억 개 이상의 파라미터를 가진 모델에 영향을 미치는지 여부는 아직 명확하지 않습니다. 이 문제를 해결하기 위해 우리는 일련의 모델(즉, GPT-2(Radford et al., 2019), OPT(Zhang et al., 2022), Pythia(Biderman et al., 2023), Gemma(Team et al., 2024))에서 레이어 간의 중간 표현의 평균 코사인 유사도를 계산합니다. 이 데이터 세트의 도메인이 이러한 제품군에 사용된 전처리 데이터 세트의 도메인을 포함하거나 일치한다고 가정하기 때문에 더 파일(Gao et al., 2020)의 하위 샘플을 사용합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]However, it remains unclear whether anisotropy affects models with over 1 billion parameters. In order to address this question, we compute average cosine-similarity of intermediate representations across layers in suites of models; namely GPT-2 (Radford et al., 2019), OPT (Zhang et al., 2022), Pythia (Biderman et al., 2023), and Gemma (Team et al., 2024). We use a subsample of The Pile (Gao et al., 2020), as we hypothesize that the domain of this dataset includes or matches the domain of the pretraining datasets used in these suites. [|assistant|]

이전 연구(Hoffmann et al., 2022)에 따르면 데이터 세트의 규모가 Large Language Models (LLMs)의 성능에 큰 영향을 미치는 것으로 나타났습니다. 동시에 데이터 세트의 다양성과 포괄성은 일반 도메인을 위한 LLM을 훈련하는 데 매우 중요합니다. 앞서 언급한 원칙과 모델 학습에 중국어 말뭉치를 활용하는 데 중점을 두고 1,254.68 billion 개의 tokens으로 구성된 데이터 세트를 개발했습니다. 이 데이터 세트는 중국어, 영어 및 코드 데이터를 통합한 것으로, 840.48 billion 개의 중국어 tokens, 314.88 billion 개의 영어 tokens, 99.3 billion 개의 code tokens으로 구성됩니다. 이 데이터 세트는 Common Crawl의 웹 문서, 학술 논문, 백과사전, 서적 등 다양한 출처의 콘텐츠를 집계합니다. 정확한 분포는 그림 1에 자세히 나와 있습니다. 데이터 세트에는 약 110 billion 개의 중복 tokens이 포함되어 있으며, 대부분 영어로 되어 있습니다. 중복이지만 고품질이며 의도적으로 두 번 학습에 사용되었습니다.[|endofturn|]

이전 연구(Hoffmann et al., 2022)에 따르면 데이터 세트의 규모가 대규모 언어 모델의 성능에 큰 영향을 미치는 것으로 나타났습니다. 동시에 데이터 세트의 다양성과 포괄성은 일반 도메인을 위한 대규모 언어 모델을 훈련하는 데 매우 중요합니다. 앞서 언급한 원칙과 모델 학습에 중국어 말뭉치를 활용하는 데 중점을 두고 1,2546억 개의 토큰으로 구성된 데이터 세트를 개발했습니다. 이 데이터 세트는 중국어, 영어 및 코드 데이터를 통합한 것으로, 8404억 8000억 개의 중국어 토큰, 3148억 8000억 개의 영어 토큰, 993억 개의 코드 토큰으로 구성됩니다. 이 데이터 세트는 커먼 크롤의 웹 문서, 학술 논문, 백과사전, 서적 등 다양한 출처의 콘텐츠를 집계합니다. 정확한 분포는 그림 1에 자세히 나와 있습니다. 데이터 세트에는 약 1100억 개의 중복 토큰이 포함되어 있으며, 대부분 영어로 되어 있습니다. 중복이지만 고품질이며 의도적으로 두 번 학습에 사용되었습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Previous research (Hoffmann et al., 2022) has established that the magnitude of the dataset significantly influences the performance of large language models. Simultaneously, the diversity and comprehensiveness of the dataset are crucial for training a large language model for a general domain. Guided by the aforementioned principles and our emphasis on utilizing Chinese corpora for model training, we have developed a dataset encompassing 1,254.68 billion tokens. This dataset integrates Chinese, English, and code data, consisting of 840.48 billion Chinese tokens, 314.88 billion English tokens, and 99.3 billion code tokens. The dataset aggregates content from diverse sources, such as web documents from Common Crawl, scholarly articles, encyclopedias, and books. The precise distribution is detailed in the Figure.1. Our dataset contains around 110 billion duplicate tokens, mostly in English. Despite being duplicates, they are high quality and were intentionally used twice in training. [|assistant|]

그림 7: (왼쪽) 우리의 방법은 각 단계의 성능을 향상시킵니다. 파란색 막대는 단일 샘플에 대한 다양한 단계의 정확도를 보여주고 주황색 막대는 40개 샘플에 대한 이득을 보여줍니다. (가운데) 단계별 sampling-and-voting은 다양한 수준의 내재적 난이도에 걸쳐 성능을 더욱 향상시킬 수 있습니다. (오른쪽) 계층적 sampling-and-voting은 동종 및 이종 모델 조합으로 성능을 더욱 향상시킬 수 있습니다.[|endofturn|]

그림 7: (왼쪽) 우리의 방법은 각 단계의 성능을 향상시킵니다. 파란색 막대는 단일 샘플에 대한 다양한 단계의 정확도를 보여주고 주황색 막대는 40개 샘플에 대한 이득을 보여줍니다. (가운데) 단계별 샘플링 및 투표는 다양한 수준의 내재적 난이도에 걸쳐 성능을 더욱 향상시킬 수 있습니다. (오른쪽) 계층적 샘플링 및 투표는 동종 및 이종 모델 조합으로 성능을 더욱 향상시킬 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Figure 7: (Left) Our method increases the performance for each step. Blue bars show the accuracy of various steps for a single sample, and orange bars show the gains for 40 samples. (Middle) Step-wise sampling-and-voting can further enhance the performance across different levels of inherent difficulty. (Right) Hierarchical sampling-and-voting can further enhance the performance with homogeneous and heterogeneous model combinations. [|assistant|]

그림 1: Self-Rag 개요. Self-Rag은 텍스트 구절을 retrieval, critique 및 generate하여 전반적인 생성 품질, 사실성 및 검증 가능성을 향상시키는 방법을 학습합니다.[|endofturn|]

그림 1: 셀프래그 개요. Self-Rag은 텍스트 구절을 검색, 비평 및 생성하여 전반적인 생성 품질, 사실성 및 검증 가능성을 향상시키는 방법을 학습합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Figure 1: Overview of Self-Rag. Self-Rag learns to retrieve, critique, and generate text passages to enhance overall generation quality, factuality, and verifiability. [|assistant|]

마리아는 과수원에 사과나무 80그루를 가지고 있습니다. 또한 사과나무의 3분의 1보다 4그루 적은 체리나무를 가지고 있습니다. 마리아의 과수원에는 총 몇 그루의 나무가 있을까요?[|endofturn|]

마리아는 과수원에 사과나무 80그루를 가지고 있습니다. 또한 사과나무보다 3분의 1도 안 되는 수의 체리나무를 가지고 있습니다. 마리아의 과수원에는 총 몇 그루의 나무가 있을까요?[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Maria has 80 apple trees in her orchard. She also has 4 less than a third as many cherry trees as apple trees. How many trees does Maria have in all in her orchard? [|assistant|]

그림 30: DPO는 Reinforcement Learning을 피하면서 인간의 선호도에 최적화합니다. 인간의 피드백으로 언어 모델을 Fine-tuning하는 기존 방법은 먼저 응답 쌍에 대한 프롬프트 및 인간의 선호도 데이터 세트에 보상 모델을 맞춘 다음 RL을 사용하여 학습된 보상을 최대화하는 정책을 찾습니다. 반면, DPO는 명시적인 보상 함수나 RL 없이 간단한 분류 Objective를 통해 선호도를 가장 잘 만족하는 정책을 직접 최적화합니다. [139]의 상표.[|endofturn|]

그림 30: DPO는 강화 학습을 피하면서 인간의 선호도에 최적화합니다. 인간의 피드백으로 언어 모델을 미세 조정하는 기존 방법은 먼저 응답 쌍에 대한 프롬프트 및 인간의 선호도 데이터 세트에 보상 모델을 맞춘 다음 RL을 사용하여 학습된 보상을 최대화하는 정책을 찾습니다. 반면, DPO는 명시적인 보상 함수나 RL 없이 간단한 분류 목표를 통해 선호도를 가장 잘 만족하는 정책을 직접 최적화합니다. [139]의 상표.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Fig. 30: DPO optimizes for human preferences while avoiding reinforcement learning. Existing methods for fine-tuning language models with human feedback first fit a reward model to a dataset of prompts and human preferences over pairs of responses, and then use RL to find a policy that maximizes the learned reward. In contrast, DPO directly optimizes for the policy best satisfying the preferences with a simple classification objective, without an explicit reward function or RL. Courtesy of [139]. [|assistant|]

**Heuristic Rules** 저희는 데이터 필터링을 수행하기 위해 heuristic 규칙을 설계하여 품질이 낮은 데이터를 제거했습니다. 이러한 규칙은 여러 데이터 세트와 모델, 특히 RefinedWeb(Penedo et al., 2023)과 CC-Net(Wenzek et al., 2020)에서 파생된 방법론과 Gopher(Rae et al., 2022) 및 T5(Raffel et al., 2020)와 같은 다른 language models를 훈련하는 동안 적용되는 일부 규칙에서 영감을 받아 필터링 전략의 통합 프레임워크를 나타냅니다. 또한 데이터 세트에 내재된 특성을 해결하기 위해 맞춤화된 규칙 세트를 개발했습니다.[|endofturn|]

**휴리스틱 규칙** 저희는 데이터 필터링을 수행하기 위해 휴리스틱 규칙을 설계하여 품질이 낮은 데이터를 제거했습니다. 이러한 규칙은 여러 데이터 세트와 모델, 특히 RefinedWeb(Penedo et al., 2023)과 CC-Net(Wenzek et al., 2020)에서 파생된 방법론과 Gopher(Rae et al., 2022) 및 T5(Raffel et al., 2020)와 같은 다른 언어 모델을 훈련하는 동안 적용되는 일부 규칙에서 영감을 받아 필터링 전략의 통합 프레임워크를 나타냅니다. 또한 데이터 세트에 내재된 특성을 해결하기 위해 맞춤화된 규칙 세트를 개발했습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**Heuristic Rules** We designed heuristic rules to conduct data filtering, which removes data of low quality. These rules represent an integrated framework of filtering strategies, inspired by methodologies derived from several datasets and models, notably RefinedWeb (Penedo et al., 2023) and CC-Net (Wenzek et al., 2020), along with some rules that are applied while training other language models, such as Gopher (Rae et al., 2022) and T5 (Raffel et al., 2020). We also developed a set of rules tailored to address characteristics inherent to our dataset. [|assistant|]

그림 4: **베이스 모델의 영향.** 베이스 모델 SaulLM-7B에서 Instruction Fine-tuning을 시작하면 Mistral-7B에 비해 눈에 띄는 개선 효과를 가져옵니다. 실제로 일반적인 IFT 믹스(법률 제외)에서도 SaulLM-7B(Gen.)가 Mistral-Instruct의 성능을 크게 능가합니다. IFT 믹스에 법률 지침을 추가하면 결과가 더욱 향상됩니다.[|endofturn|]

그림 4: **베이스 모델의 영향.** 베이스 모델 SaulLM-7B에서 명령 미세 조정을 시작하면 Mistral-7B에 비해 눈에 띄는 개선 효과를 가져옵니다. 실제로 일반적인 IFT 믹스(법률 제외)에서도 SaulLM-7B(Gen.)가 Mistral-Instruct의 성능을 크게 능가합니다. IFT 믹스에 법률 지침을 추가하면 결과가 더욱 향상됩니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Figure 4: **Influence of the base model.** Starting the instruction finetuning from our base model SaulLM-7B brings noticeable improvements compared to the Mistral-7B. Indeed, even with a generic IFT mix (without legal), SaulLM-7B (Gen.) outperforms its Mistral-Instruct counterpart significantly. Adding legal instructions to the IFT mix further boosts the results. [|assistant|]

et al., 2021). 증강을 위해 generative models를 사용하는 것은 과거에 분류 모델을 개선하는 데도 성공적으로 사용되었습니다 Sharma et al. (2022). 의역을 사용한 데이터 증강의 예는 부록 B에서 확인할 수 있습니다.[|endofturn|]

et al., 2021). 증강을 위해 생성 모델을 사용하는 것은 과거에 분류 모델을 개선하는 데도 성공적으로 사용되었습니다 Sharma et al. (2022). 의역을 사용한 데이터 증강의 예는 부록 B에서 확인할 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]et al., 2021). Using generative models for augmentations has also been used successfully to improve classification models in the past Sharma et al. (2022). An example of data augmentation using paraphrasing can be found in Appendix B. [|assistant|]

압축 메모리 시스템은 매우 긴 시퀀스에 대해 attention 메커니즘보다 확장성과 효율성이 더 높을 것으로 기대됩니다(Kanerva, 1988; Munkhdalai et al., 2019). 압축 메모리는 입력 시퀀스 길이에 따라 증가하는 배열을 사용하는 대신, 주로 제한된 저장 및 계산 비용으로 정보를 저장하고 불러오기 위해 고정된 수의 파라미터를 유지합니다. 압축 메모리에서 새로운 정보는 이 정보를 나중에 다시 검색할 수 있도록 파라미터를 변경하여 메모리에 추가됩니다. 그러나 현재 상태의 LLM은 단순성과 품질의 균형을 맞추는 효과적이고 실용적인 압축 메모리 기술을 아직 보지 못했습니다.[|endofturn|]

압축 메모리 시스템은 매우 긴 시퀀스에 대해 주의 메커니즘보다 확장성과 효율성이 더 높을 것으로 기대됩니다(Kanerva, 1988; Munkhdalai et al., 2019). 압축 메모리는 입력 시퀀스 길이에 따라 증가하는 배열을 사용하는 대신, 주로 제한된 저장 및 계산 비용으로 정보를 저장하고 불러오기 위해 고정된 수의 파라미터를 유지합니다. 압축 메모리에서 새로운 정보는 이 정보를 나중에 다시 검색할 수 있도록 파라미터를 변경하여 메모리에 추가됩니다. 그러나 현재 상태의 LLM은 단순성과 품질의 균형을 맞추는 효과적이고 실용적인 압축 메모리 기술을 아직 보지 못했습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Compressive memory systems promise to be more scalable and efficient than the attention mechanism for extremely long sequences (Kanerva, 1988; Munkhdalai et al., 2019). Instead of using an array that grows with the input sequence length, a compressive memory primarily maintains a fixed number of parameters to store and recall information with a bounded storage and computation costs. In the compressive memory, new information is added to the memory by changing its parameters with an objective that this information can be recovered back later on. However, the LLMs in their current state have yet to see an effective, practical compressive memory technique that balances simplicity along with quality. [|assistant|]