Datasets:

Translation-EnKo

/

nlp-arxiv-translation-dpo-chat

like 0

ICL 및 CoT로 Prompting하는 것은 개념적으로 간단하면서도 다양한 작업을 해결하는 일반적인 접근 방식입니다. 그러나 이 접근 방식은 수학적 추론[525] 및 multi-hop question answering[526]과 같은 복잡한 작업에는 어려움을 겪습니다. 향상된 접근 방식으로서 복잡한 작업을 더 작은 하위 작업으로 분해하고 작업을 완료하기 위한 작업 계획을 생성하는 prompt-based planning이 제안되었습니다.[|endofturn|]

ICL 및 CoT로 프롬프트하는 것은 개념적으로 간단하면서도 다양한 작업을 해결하는 일반적인 접근 방식입니다. 그러나 이 접근 방식은 수학적 추론[525] 및 다중 홉 질문 답변[526]과 같은 복잡한 작업에는 어려움을 겪습니다. 향상된 접근 방식으로서 복잡한 작업을 더 작은 하위 작업으로 분해하고 작업을 완료하기 위한 작업 계획을 생성하는 프롬프트 기반 계획이 제안되었습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Prompting with ICL and CoT is a conceptually simple yet general approach to solving various tasks. However, this approach struggles with complex tasks like mathematical reasoning [525] and multi-hop question answering [526]. As an enhanced approach, prompt-based planning has been proposed to break down complex tasks into smaller sub-tasks and generate a plan of actions to accomplish the task. [|assistant|]

긴 컨텍스트의 Large Language Models (LLMs)은 기술적으로 책 길이의 문서(\(>\) 10만 토큰)를 요약할 수 있지만, 문서의 길이와 복잡성으로 인해 지금까지 충실도와 같은 입력 의존적인 측면에 대한 평가가 금지되어 왔습니다. 이 논문에서는 가상의 책을 생성한 LLM의 요약에 대한 충실도와 내용 선택에 대한 최초의 대규모 인간 평가를 수행합니다. 이 연구는 2023년 또는 2024년에 출판된 책의 요약에 초점을 맞춤으로써 데이터 오염 문제를 완화하고, 비용과 인지 부담을 최소화하기 위해 주석 작업 전에 각 책을 완전히 읽은 주석가를 고용합니다. 5.2만 달러의 비용으로 26권의 책을 요약한 LLM에서 생성된 3,158개의 주장에 대한 주석 데이터 세트인 Fables를 수집하여 충실도를 기준으로 LLM 요약기를 순위를 매길 수 있습니다: Claude-3-Opus는 모든 비공개 LLM보다 훨씬 뛰어난 성능을 발휘하는 반면, 오픈 소스인 Mktral은 GPT-3.5-Turbo와 동등한 수준입니다. 주석을 분석한 결과, 불충실한 주장은 대부분 사건 및 캐릭터 상태와 관련이 있으며, 일반적으로 내러티브에 대한 간접적인 추론이 필요합니다. LLM 기반 자동 평가기는 다른 환경에서 사실성과 일관성에 대해 신뢰할 수 있는 것으로 입증되었지만, 충실도에 대한 여러 LLM 평가기를 구현한 결과 특히 불충실한 주장을 감지하는 데 있어 인간의 주석과 강한 상관관계가 없는 것으로 나타났습니다. 실험 결과, 불충실한 주장을 감지하는 것은 요약 평가뿐만 아니라 장문 문맥 이해를 위한 테스트베드로서도 중요한 미래 방향이라는 것을 시사합니다. 마지막으로, 충실도를 넘어 책 길이의 요약에서 내용 선택 오류를 탐구하여 중요한 내러티브 요소와 관련된 생략 오류의 유형을 개발하고 책의 마지막 부분에서 발생하는 사건에 대한 체계적인 과잉 강조도 파악했습니다. 저희는 책 길이의 요약 평가에 대한 추가 연구를 촉진하기 위해 Fables를 공개합니다.[|endofturn|]

긴 컨텍스트의 대규모 언어 모델(LLM)은 기술적으로 책 길이의 문서(\(>\) 10만 토큰)를 요약할 수 있지만, 문서의 길이와 복잡성으로 인해 지금까지 충실도와 같은 입력 의존적인 측면에 대한 평가가 금지되어 왔습니다. 이 논문에서는 가상의 책을 생성한 LLM의 요약에 대한 충실도와 내용 선택에 대한 최초의 대규모 인간 평가를 수행합니다. 이 연구는 2023년 또는 2024년에 출판된 책의 요약에 초점을 맞춤으로써 데이터 오염 문제를 완화하고, 비용과 인지 부담을 최소화하기 위해 주석 작업 전에 각 책을 완전히 읽은 주석가를 고용합니다. 5.2만 달러의 비용으로 26권의 책을 요약한 LLM에서 생성된 3,158개의 주장에 대한 주석 데이터 세트인 Fables를 수집하여 충실도를 기준으로 LLM 요약기를 순위를 매길 수 있습니다: Claude-3-Opus는 모든 비공개 LLM보다 훨씬 뛰어난 성능을 발휘하는 반면, 오픈 소스인 Mktral은 GPT-3.5-Turbo와 동등한 수준입니다. 주석을 분석한 결과, 불충실한 주장은 대부분 사건 및 캐릭터 상태와 관련이 있으며, 일반적으로 내러티브에 대한 간접적인 추론이 필요합니다. LLM 기반 자동 평가기는 다른 환경에서 사실성과 일관성에 대해 신뢰할 수 있는 것으로 입증되었지만, 충실도에 대한 여러 LLM 평가기를 구현한 결과 특히 불충실한 주장을 감지하는 데 있어 인간의 주석과 강한 상관관계가 없는 것으로 나타났습니다. 실험 결과, 불충실한 주장을 감지하는 것은 요약 평가뿐만 아니라 장문 문맥 이해를 위한 테스트베드로서도 중요한 미래 방향이라는 것을 시사합니다. 마지막으로, 충실도를 넘어 책 길이의 요약에서 내용 선택 오류를 탐구하여 중요한 내러티브 요소와 관련된 생략 오류의 유형을 개발하고 책의 마지막 부분에서 발생하는 사건에 대한 체계적인 과잉 강조도 파악했습니다. 저희는 책 길이의 요약 평가에 대한 추가 연구를 촉진하기 위해 Fables를 공개합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]While long-context large language models (LLMs) can technically summarize book-length documents (\(>\) 100K tokens), the length and complexity of the documents have so far prohibited evaluations of input-dependent aspects like faithfulness. In this paper, we conduct the first large-scale human evaluation of faithfulness and content selection on LLM-generated summaries of fictional books. Our study mitigates the issue of data contamination by focusing on summaries of books published in 2023 or 2024, and we hire annotators who have fully read each book prior to the annotation task to minimize cost and cognitive burden. We collect Fables, a dataset of annotations on 3,158 claims made in LLM-generated summaries of 26 books, at a cost of $5.2K USD, which allows us to rank LLM summarizers based on faithfulness: Claude-3-Opus significantly outperforms all closed-source LLMs, while the open-source Mktral is on par with GPT-3.5-Turbo. An analysis of the annotations reveals that most unfaithful claims relate to events and character states, and they generally require indirect reasoning over the narrative to invalidate. While LLM-based auto-raters have proven reliable for factuality and coherence in other settings, we implement several LLM raters of faithfulness and find that none correlates strongly with human annotations, especially with regard to detecting unfaithful claims. Our experiments suggest that detecting unfaithful claims is an important future direction not only for summarization evaluation but also as a testbed for long-context understanding. Finally, we move beyond faithfulness by exploring content selection errors in book-length summarization: we develop a typology of omission errors related to crucial narrative elements and also identify a systematic over-emphasis on events occurring towards the end of the book. We release Fables to spur further research on the evaluation of book-length summarization. [|assistant|]

그림 A13: 훈련에 따른 데이터 선택 방법에 걸친 반복 토큰의 효과. X축은 업데이트 횟수를 나타내고, Y축은 웹 스냅샷이 아닌 유효성 검사 세트(위쪽 행)와 Instruct OPT(아래쪽 행)의 평균 Perplexity를 나타냅니다. 위 플롯의 각 열은 서로 다른 데이터 선택 방법을 나타냅니다. 각 열 내에서 (1) 회색 선은 baseline 훈련을, (2) 색상 점선은 지정된 데이터 선택 방법을 통한 토큰 반복을, (3) 색상 실선은 지정된 데이터 선택 방법을 통한 새 토큰 선택을 나타냅니다. 반복 데이터는 일반적으로 _고정된 데이터 선택 방법_(예: 고정 열)에 대해 새 데이터를 선택하는 것보다 더 나쁩니다.[|endofturn|]

그림 A13: 훈련에 따른 데이터 선택 방법에 걸친 반복 토큰의 효과. X축은 업데이트 횟수를 나타내고, Y축은 웹 스냅샷이 아닌 유효성 검사 세트(위쪽 행)와 Instruct OPT(아래쪽 행)의 평균 당혹도를 나타냅니다. 위 플롯의 각 열은 서로 다른 데이터 선택 방법을 나타냅니다. 각 열 내에서 (1) 회색 선은 기준선 훈련을, (2) 색상 점선은 지정된 데이터 선택 방법을 통한 토큰 반복을, (3) 색상 실선은 지정된 데이터 선택 방법을 통한 새 토큰 선택을 나타냅니다. 반복 데이터는 일반적으로 _고정된 데이터 선택 방법_(예: 고정 열)에 대해 새 데이터를 선택하는 것보다 더 나쁩니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Figure A13: Effect of repeating tokens across data selection methods over training. X-axis denotes the number of updates, and the y-axis denotes average perplexity across non-web-snapshot validation sets (top row) and Instruct OPT (bottom row). Each column in the plot above denotes a different data selection method. Within each column: (1) the gray line denotes baseline training, (2) the colored-dashed line denotes repeating tokens via the specified data selection method, and (3) the colored-solid line denotes selecting new tokens via the specified data selection method. Repeating data is generally worse than selecting new data for a _fixed data selection method_ (e.g., fixed column). [|assistant|]

LLMs는 이제 일반적으로 더 크고 복잡한 시스템의 일부로 사용됩니다. 이러한 모델이 신뢰도, 정확도 및 통일성이 다양한 정보와 상호 작용하는 방식을 이해하는 것이 중요합니다. 분석 결과, 문맥 정보가 주어진 질문에 LLMs을 사용할 때 발생하는 위험을 특성화하기 위해서는 추가적인 연구가 필요하다는 것을 알 수 있었습니다. 특히, 모델이 이전 신념의 한계에 존재하는 정보를 제시받을 때 모델 동작이 불규칙하고 예측할 수 없다는 것을 발견했습니다.[|endofturn|]

LLM은 이제 일반적으로 더 크고 복잡한 시스템의 일부로 사용됩니다. 이러한 모델이 신뢰도, 정확도 및 통일성이 다양한 정보와 상호 작용하는 방식을 이해하는 것이 중요합니다. 분석 결과, 문맥 정보가 주어진 질문에 LLM을 사용할 때 발생하는 위험을 특성화하기 위해서는 추가적인 연구가 필요하다는 것을 알 수 있었습니다. 특히, 모델이 이전 신념의 한계에 존재하는 정보를 제시받을 때 모델 동작이 불규칙하고 예측할 수 없다는 것을 발견했습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]LLMs are now commonly used as parts of larger, more complex systems. It is crucial to understand how these models interact with information with varying degrees of trustworthiness, accuracy, and uniformity. Our analysis shows that further work is required to characterize the risks of using LLMs to answer questions given contextual information. In particular, we find that model behavior can be erratic and unpredictable when presented with information that exists at the margin of its prior beliefs. [|assistant|]

_Remark A.3_ (# GPUs).: 이 논문에서는 관련이 없으므로 GPU 수를 지정하지 않았습니다. Batch Size가 24인 64개의 GPU, Batch Size가 32인 48개의 GPU 또는 Batch Size가 1인 1536개의 GPU를 사용하든 결과는 동일하게 유지됩니다.[|endofturn|]

_Remark A.3_ (# GPU).: 이 논문에서는 관련이 없으므로 GPU 수를 지정하지 않았습니다. 배치 크기가 24인 64개의 GPU, 배치 크기가 32인 48개의 GPU 또는 배치 크기가 1인 1536개의 GPU를 사용하든 결과는 동일하게 유지됩니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]_Remark A.3_ (# GPUs).: In this paper, we do not specify the number of GPUs as it is irrelevant. The results remain the same whether using 64 GPUs each with a batch size of 24, 48 GPUs each with a batch size of 32, or 1536 GPUs each with a batch size of 1. [|assistant|]

_디바인 리불스는 두 명의 부활한 라이벌 신, 에르와와 다크레가 불러온 전쟁 중인 디스토피아 세계를 배경으로 한 복잡한 이야기입니다. 줄거리는 도시 카타의 카타 가제트 신문사의 예민하고 강인한 직원 아이리스 윈노우와 그녀의 직업적 라이벌 로만 킷트를 중심으로 전개됩니다. 아이리스는 동생 포레스트가 신들의 전쟁에 합류하면서 알코올 중독에 걸린 어머니 아스터의 책임감을 느끼며 혼돈 속에서 벗어나려 합니다. 개인적, 직업적 경쟁의 소용돌이에 휘말린 아이리스와 로만의 유대감은 로만이 포레스트에게 보내는 아이리스의 감정적으로 드문 편지를 무심코 받고 응답하면서 예상치 못한 방향으로 전개됩니다. 아이리스는 마법의 터세이터를 사용하여 이 편지를 보내며 두 사람의 말하지 않은 연결을 증폭시키는 익명의 서신을 보냅니다. 로만의 사회적 지위는 아이리스의 겸손한 배경과 극명한 대조를 이루며, 그는 고상층 여성 엘리너 리틀과 약혼해 가족의 열망과 캐스 가제트의 새로운 역할 사이에서 균형을 맞추기 위해 어려움에 직면합니다. 어머니의 갑작스러운 사망 이후 아이리스는 충동적으로 캐스 가제트에서의 직장을 그만둡니다. 포레스트를 찾고 격화되는 신들의 전쟁에 대한 보도를 하기 위해 결심한 그녀는 인리드리데이트 트리뷴 신문사의 전쟁 특파원으로 일하게 됩니다. 아이리스는 또 다른 특파원인 텐 "애티" 앳워드와 함께 전쟁 전선 근처의 아타반 블리프로 떠나는 위험한 여정을 시작합니다. 에리 투어의 여주인인 마르시오 토레스는 두 사람에게 사냥개와 에일트라투스 같은 다양한 신화 속 생물들의 공격에 대해 경고합니다. 로만이 아타반 블리프에 도착하면서 두 사람의 복잡한 관계가 다시 시작됩니다[|endofturn|]

_디바인 리불스는 두 명의 부활한 라이벌 신, 에르와와 다크레가 불러온 전쟁 중인 디스토피아 세계를 배경으로 한 복잡한 이야기입니다. 줄거리는 도시 카타의 카타 가제트 신문사의 예민하고 강인한 직원 아이리스 윈노우와 그녀의 직업적 라이벌 로만 킷트를 중심으로 전개됩니다. 아이리스는 동생 포레스트가 신들의 우르에 합류하면서 알코올 중독에 걸린 어머니 아스터의 책임감을 느끼며 혼돈 속에서 벗어나려 합니다. 개인적, 직업적 경쟁의 소용돌이에 휘말린 아이리스와 로만의 유대감은 로만이 포레스트에게 보내는 아이리스의 감정적으로 드문 편지를 무심코 받고 응답하면서 예상치 못한 방향으로 전개됩니다. 아이리스는 마법의 터세이터를 사용하여 이 편지를 보내며 두 사람의 말하지 않은 연결을 증폭시키는 익명의 서신을 보냅니다. 로만의 사회적 지위는 아이리스의 겸손한 배경과 극명한 대조를 이루며, 그는 고상층 여성 엘리너 리틀과 약혼해 가족의 열망과 캐스 가제트의 새로운 역할 사이에서 균형을 맞추기 위해 어려움에 직면합니다. 어머니의 갑작스러운 사망 이후 아이리스는 충동적으로 캐스 가제트에서의 직장을 그만둡니다. 포레스트를 찾고 격화되는 신들의 우르에 대한 보도를 하기 위해 결심한 그녀는 인리드리데이트 트리뷴 신문사의 우르 특파원으로 일하게 됩니다. 아이리스는 또 다른 특파원인 텐 "애티" 앳워드와 함께 우르 전선 근처의 아타반 블리프로 떠나는 위험한 여정을 시작합니다. 에리 투어의 여주인인 마르시오 토레스는 두 사람에게 사냥개와 에일트라투스 같은 다양한 신화 속 생물들의 공격에 대해 경고합니다. 로만이 아타반 블리프에 도착하면서 두 사람의 복잡한 관계가 다시 시작됩니다. 그는 아이리스가 전쟁의 참혹한 현실을 기록하는 데 도움을 주면서 두 사람 사이의 긴장감을 조절합니다. 로만이 전선에서 끔찍한 만남을 겪으며 심각한 부상을 입게 되자, 병사들의 개인적인 이야기를 보도하면서 깊은 인연을 맺게 된 아이리스는 로만의 안전을 지키기 위해 최선을 다합니다. 이 생명을 위협하는 사건으로 인해 아이리스는 로만을 미스터리한 펜 파트너인 카레로 인식하게 되고, 로만의 부재에 대한 죄책감과 의심이 격렬하게 터져 나오게 됩니다. 로만의 운명에 대한 우려와 그의 묘사에 대한 죄책감이 커지는 가운데, 숲이 죽은 것으로 추정되던 포레스트가 살아남아 적의 팁스인 다크레를 위해 싸웠다는 충격적인 반전이 펼쳐집니다. 이어지는 혼란 속에서 로만은 사라지고 아이리스는 효도한 동생과 실종된 아들의 절박한 수색 사이에서 갈등합니다. "다이빙 리불스"는 아이리스의 개인적인 이야기는 격화되는 전쟁의 배경을 배경으로 회복력과 성장을 다루고 있습니다. 아이리스는 특파원에서 우르의 핵심 인물로 변모하면서 조상 속에서 인간 정신이 견뎌내고 적응하는 능력을 구현합니다. 이 이야기는 캐릭터의 강인함, 가족의 의무, 직업적 경쟁, 사회적 규범, 심오한 변화를 중심으로 전개됩니다. 관계의 변화와 고난 속에서도 아이리스는 포레스트의 곁을 지키고 로만을 찾기 위해 노력합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]_Divine Rivuls is an intricate narrative set in a dystopian world at war, invoked by two resurrected rival detities, Erwa and Dacre. The plot centres around Iris Winnow, a sensitive and tenacious employee at the Catha Gazette newspaper in the city of Catha, and her professional rival Roman Kitt. Iris is uncurrollit ille spirish into chaos with her brother, Forest, joining the gods' uur, lerque her vithin the responsibility of their alcoholic mother, Aster. Cought in a whirlord of personal and professional rivalry, Iris's bond with Roman depers in unexpected turse when Roman amounously receives and responds to Iris's emotionally rare letters intended for Forest. Iris uses a magical turseytter to send these tiers, lading to an anonymous correspondence that amplifies their unspoken connection. Roman's social standing is a stark contrast to Iris's modest background, he is estimated to a high society woman, Elinor Little, and faces the challenges of striking a balance between his family's aspirations and his new role at Cath Gazette. Following their mother's sudden passing, Iris impulsively resigns from her job at Catha Gazette. Detrimed to locate Forest and report on the escalating gods' uur, she accepts a position as a uur correspondent with the Inridridate Tribune newspaper. Iris embratus on a perious journey to Ataban Blif, a town near the uur front, accompanied by another correspondent, Then "Attie" Attworod. Their hostess in the erie tours, Marsiol Torres, warns the pair about the regular thrust from different mythical creatures such as hounds and eiltratus that desolitate their surroundings. Roman's arrival in Ataban Blif reignies their convoluted relationship. He assists Iris in documenting the harrowing realities of the war while managing the growing tension between them. As Roman becomes severely injured during a horricite encounter at the wavefront, Iris, who has grown deeply linked in reporting the soldiers' personal narratives, fights her uuy to ensure his safety. This life-threatening event leads Iris to recognise Roman as Carrer, her mysterious pen part, triggering an intense turnout of guilt and suspicion over Roman's shortage. Amid her growing concern for Roman's fate and her convited feelings about his description, a shocking twist reveals that Forest, previously presumed dead, has surried and fought for Dacre, the enemy detips. Further ensuing chaos sees Roman disappear, leaving Iris prepared between her obligations towards her effectively nationous brother and the desperate search for her missing lose interest. "Diving Rivuls' intervenes Iris's personal story of resilience and growth against the hockdrop of an escalating war. As she metamorphoses from a correspondent to a key player in the uur, Iris embodies the human spirit's ability to endure and adapt amidst ancestry. The narrative encapsulates the strength of character, familial obligations, professional rivalries, societal norms, and profound transformations at the heart of the story. Despite the evolving relationships and hardships, Iris pledges to remain by Forest's side and continue her search for Roman. [|assistant|]

4. 훈련: RLHF 방법을 사용하여 모델을 훈련하여 성능과 정확도를 향상시킵니다. 이는 사전 학습된 모델을 특정 작업에 맞게 Fine-tuning하거나 처음부터 모델을 학습시키는 방식으로 수행할 수 있습니다.[|endofturn|]

4. 훈련: RLHF 방법을 사용하여 모델을 훈련하여 성능과 정확도를 향상시킵니다. 이는 사전 학습된 모델을 특정 작업에 맞게 미세 조정하거나 처음부터 모델을 학습시키는 방식으로 수행할 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]4. Training: Train the model using RLHF methods to improve its performance and accuracy. This can be done by fine-tuning the pre-trained model on a specific task or by training the model from scratch. [|assistant|]

평가된 분할 및 예제 수는 표 5에 요약되어 있습니다. 영어 데이터 세트의 경우, 우리는 Gopher [32]와 Chinchilla [16]의 평가 분할 선택을 따릅니다. 중국어 데이터 세트의 경우, ground labels을 항상 사용할 수 있을 때 validation split을 사용합니다. CLUEWSC의 경우 validation set의 크기가 너무 작기 때문에(100) train 및 validation splits을 결합합니다. GSM8K-Chinese는 기계 번역과 사람의 교정을 통해 GSM8K에서 번역되었습니다.[|endofturn|]

평가된 분할 및 예제 수는 표 5에 요약되어 있습니다. 영어 데이터 세트의 경우, 우리는 고퍼 [32]와 친칠라 [16]의 평가 분할 선택을 따릅니다. 중국어 데이터 세트의 경우, 그라운드 레이블을 항상 사용할 수 있을 때 유효성 검사 분할을 사용합니다. CLUEWSC의 경우 유효성 검사 세트의 크기가 너무 작기 때문에(100) 훈련 및 유효성 검사 분할을 결합합니다. GSM8K-Chinese는 기계 번역과 사람의 교정을 통해 GSM8K에서 번역되었습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]The evaluated splits and numbers of examples are summarized in Table 5. For English datasets, we follow Gopher [32] and Chinchilla [16]'s selection of evaluation splits. For Chinese datasets, we use the validation split when the ground labels are always available. For CLUEWSC, the size of the validation set is too small (100), so we combine the train and validation splits. GSM8K-Chinese is translated from GSM8K with machine translation and human proofreading. [|assistant|]

T5 모델과 달리 GPT-2 기반 모델은 평가를 위해 1 epoch 동안 추가적인 _light-tuning_이 필요합니다. InvariantLAMA의 경우 입력 및 출력 길이는 각각 50과 3입니다. Training batch size는 32이고 learning rate는 1e-3입니다. 새로운 지식 습득에 대한 평가의 경우 입력 및 출력 길이는 각각 100과 10입니다. 메모리 제약으로 인해 training batch size는 8이고 learning rate는 1e-3입니다. 두 tuning 프로세스 모두에 4개의 V100 32GB GPU가 사용됩니다. GPT-2 기반 모델에 대한 자세한 결과와 논의는 부록 G에 나와 있습니다.[|endofturn|]

T5 모델과 달리 GPT-2 기반 모델은 평가를 위해 1에포크 동안 추가적인 _라이트 튜닝_이 필요합니다. InvariantLAMA의 경우 입력 및 출력 길이는 각각 50과 3입니다. 훈련 배치 크기는 32이고 학습 속도는 1e-3입니다. 새로운 지식 습득에 대한 평가의 경우 입력 및 출력 길이는 각각 100과 10입니다. 메모리 제약으로 인해 훈련 배치 크기는 8이고 학습 속도는 1e-3입니다. 두 튜닝 프로세스 모두에 4개의 V100 32GB GPU가 사용됩니다. GPT-2 기반 모델에 대한 자세한 결과와 논의는 부록 G에 나와 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Unlike T5 models, GPT-2 based models need additional _light-tuning_ for 1 epoch for evaluation. For InvariantLAMA, the input and output length is 50 and 3 respectively. The training batch size is 32 and the learning rate is 1e-3. For evaluation on the acquisition of new knowledge, the input and output length is 100 and 10 respectively. The training batch size is 8 due to memory constraints and the learning rate is 1e-3. For both tuning processes, 4 V100 32GB GPUs are used. The detailed result and discussion of GPT-2 based models are shown in Appendix G. [|assistant|]

각주 31: RLHF에서는 보상 모델이 정렬될 LLM의 지식이나 능력을 인식하는 것도 중요한 것으로 보입니다. 예를 들어, LLAMA 2는 pre-trained chat model checkpoints를 채택하여 보상 모델을 초기화합니다[99].[|endofturn|]

각주 31: RLHF에서는 보상 모델이 정렬될 LLM의 지식이나 능력을 인식하는 것도 중요한 것으로 보입니다. 예를 들어, LLAMA 2는 사전 학습된 채팅 모델 체크포인트를 채택하여 보상 모델을 초기화합니다[99].[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Footnote 31: In RLHF, it seems to be also important that reward models should be aware of the knowledge or ability of a LLM to be aligned. For example, LLAMA 2 adopts pre-trained chat model checkpoints to initialize reward models [99]. [|assistant|]

광범위한 연구에 따르면 언어 모델의 성능은 매개변수 수와 데이터 크기가 증가함에 따라 거듭제곱 법칙에 따라 두드러진 성장 패턴을 보이는 것으로 나타났습니다[17, 20, 21, 22, 23, 24]. 이 scaling law는 대규모 언어 모델 개발의 기본적인 역할을 하며, 훨씬 작은 모델의 훈련 로그에서 대규모 모델의 최적 구성을 추정할 수 있게 해줍니다[22, 23]. GPT-4 기술 보고서[1]에서 언급했듯이, GPT-4 성능의 일부 측면은 GPT-4의 1/1,000만큼의 계산으로만 훈련된 모델을 기반으로 정확하게 예측할 수 있습니다. scaling law를 적절히 활용하면 대규모 모델에 대한 광범위한 모델별 튜닝을 수행할 필요가 없습니다.[|endofturn|]

광범위한 연구에 따르면 언어 모델의 성능은 매개변수 수와 데이터 크기가 증가함에 따라 거듭제곱 법칙에 따라 두드러진 성장 패턴을 보이는 것으로 나타났습니다[17, 20, 21, 22, 23, 24]. 이 스케일링 법칙은 대규모 언어 모델 개발의 기본적인 역할을 하며, 훨씬 작은 모델의 학습 로그에서 대규모 모델의 최적 구성을 추정할 수 있게 해줍니다[22, 23]. GPT-4 기술 보고서[1]에서 언급했듯이, GPT-4 성능의 일부 측면은 GPT-4의 1/1,000만큼의 계산으로만 학습된 모델을 기반으로 정확하게 예측할 수 있습니다. 스케일링 법칙을 적절히 활용하면 대규모 모델에 대한 광범위한 모델별 튜닝을 수행할 필요가 없습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]A wide range of studies have shown that the performance of a language model exhibits a notable growth pattern as the number of parameters and data size increase, following a power-law relationship [17, 20, 21, 22, 23, 24]. This scaling law plays a fundamental role in the development of large language models, enabling us to estimate optimal configurations of large models from the training logs of much smaller models [22, 23]. As mentioned in the GPT-4 technical report [1], some aspects of GPT-4's performance can be accurately predicted based on models trained with no more than 1/1,000th the compute of GPT-4. By properly utilizing the scaling law, we avoid the need to perform extensive model-specific tuning on large models. [|assistant|]

이 섹션에서는 다양한 레이어와 구성 요소에서 언어별 뉴런을 체계적으로 비활성화하여 다양한 작업에 미치는 영향을 조사하여 그림 2에 제시된 workflow를 검증합니다.[|endofturn|]

이 섹션에서는 다양한 레이어와 구성 요소에서 언어별 뉴런을 체계적으로 비활성화하여 다양한 작업에 미치는 영향을 조사하여 그림 2에 제시된 워크플로우를 검증합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]In this section, we validate the workflow presented in Figure 2 by systematically deactivating language-specific neurons across different layers and components to examine their impact on a range of tasks. [|assistant|]

그림 7: 전체 유효성 검사 Loss 및 도메인 Loss에 대한 Loss 예측 파이프라인의 결과입니다. 피팅 데이터는 30B 토큰에 대해 훈련된 70M ~ 410M 모델의 데이터이며, 추정된 점은 1B 모델과 100B 토큰에 대한 기본 및 최적화된 혼합물의 데이터입니다.[|endofturn|]

그림 7: 전체 유효성 검사 손실 및 도메인 손실에 대한 손실 예측 파이프라인의 결과입니다. 피팅 데이터는 30B 토큰에 대해 훈련된 70M ~ 410M 모델의 데이터이며, 추정된 점은 1B 모델과 100B 토큰에 대한 기본 및 최적화된 혼합물의 데이터입니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Figure 7: Results of our loss prediction pipelines for the overall validation loss and domain losses. Fitting data are from 70M to 410M models trained for 30B tokens, while the extrapolated points are from the default and optimized mixture for 1B models and 100B tokens. [|assistant|]

전반적으로 지식 용량 scaling laws를 연구하는 우리의 접근 방식은 인터넷 데이터로 학습된 언어 모델을 실제 벤치마크에 대해 평가하는 기존 방법에 비해 보다 유연하고 **더 정확한 playground**를 제공합니다. 이러한 정확성은 부분적으로 데이터 세트의 합성적 특성에 기인하며, 이는 실제 벤치마크 결과의 유효성을 손상시킬 수 있는 벤치마크 오염에 대한 우려를 제거합니다. 이 백서에서는 다양한 모델 architecture와 지식 유형에 대한 철저한 비교를 수행했습니다. 다양한 quantization 방법을 탐구하지는 않았지만, 이는 향후 연구를 위한 유망한 방향입니다. 또한 junk data의 영향을 조사하고 완화 전략을 제안했습니다. 우리는 이러한 원칙적인 탐구를 통해 얻은 인사이트가 실무자들이 모델 선택, 훈련 데이터 준비 및 LLM에 대한 추가 이론적 연구에 대해 정보에 입각한 결정을 내리는 데 도움이 될 수 있다고 믿습니다.[|endofturn|]

전반적으로 지식 용량 스케일링 법칙을 연구하는 우리의 접근 방식은 인터넷 데이터로 학습된 언어 모델을 실제 벤치마크에 대해 평가하는 기존 방법에 비해 보다 유연하고 **더 정확한 플레이그라운드**를 제공합니다. 이러한 정확성은 부분적으로 데이터 세트의 합성적 특성에 기인하며, 이는 실제 벤치마크 결과의 유효성을 손상시킬 수 있는 벤치마크 오염에 대한 우려를 제거합니다. 이 백서에서는 다양한 모델 아키텍처와 지식 유형에 대한 철저한 비교를 수행했습니다. 다양한 양자화 방법을 탐구하지는 않았지만, 이는 향후 연구를 위한 유망한 방향입니다. 또한 정크 데이터의 영향을 조사하고 완화 전략을 제안했습니다. 우리는 이러한 원칙적인 탐구를 통해 얻은 인사이트가 실무자들이 모델 선택, 훈련 데이터 준비 및 LLM에 대한 추가 이론적 연구에 대해 정보에 입각한 결정을 내리는 데 도움이 될 수 있다고 믿습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Overall, our approach to studying knowledge capacity scaling laws offers a flexible and **more accurate playground** compared to traditional methods that evaluate language models trained on internet data against real-world benchmarks. This accuracy is partly due to the synthetic nature of our dataset, which eliminates concerns about benchmark contamination that could compromise the validity of real-world benchmark results. In this paper, we've conducted a thorough comparison across different model architectures and types of knowledge. While we haven't explored various quantization methods, this represents a promising direction for future research. We've also investigated the impact of junk data and proposed mitigation strategies. We believe the insights gained from this principled exploration can assist practitioners in making informed decisions about model selection, training data preparation, and further theoretical research into LLMs. [|assistant|]

훨씬 더 많은 수의 파라미터로 구성된 LLM은 이전 PLM과 달리 광범위한 콘텐츠를 포괄하는 더 많은 양의 학습 데이터를 필요로 합니다. 이러한 필요성에 따라 연구용으로 공개된 학습 데이터 세트가 점점 더 많아지고 있습니다. 이 섹션에서는 LLM 학습에 널리 사용되는 몇 가지 코퍼스를 간략하게 요약합니다. 콘텐츠 유형에 따라 이러한 코퍼스를 도서, CommonCrawl, Reddit 링크, Wikipedia, Code 및 기타의 6가지 그룹으로 분류합니다.[|endofturn|]

훨씬 더 많은 수의 파라미터로 구성된 LLM은 이전 PLM과 달리 광범위한 콘텐츠를 포괄하는 더 많은 양의 학습 데이터를 필요로 합니다. 이러한 필요성에 따라 연구용으로 공개된 학습 데이터 세트가 점점 더 많아지고 있습니다. 이 섹션에서는 LLM 학습에 널리 사용되는 몇 가지 코퍼스를 간략하게 요약합니다. 콘텐츠 유형에 따라 이러한 코퍼스를 도서, CommonCrawl, Reddit 링크, Wikipedia, 코드 및 기타의 6가지 그룹으로 분류합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]In contrast to earlier PLMs, LLMs which consist of a significantly larger number of parameters require a higher volume of training data that covers a broad range of content. For this need, there are increasingly more accessible training datasets that have been released for research. In this section, we will briefly summarize several widely used corpora for training LLMs. Based on their content types, we categorize these corpora into six groups: Books, CommonCrawl, Reddit links, Wikipedia, Code, and others. [|assistant|]

\(\bullet\)_명령어 수를 확장합니다._ 위의 측면 외에도 명령어 수도 모델 성능에 영향을 미칠 수 있는 중요한 요소입니다. 특히, 더 많은 instructions를 사용하면 작업 지식을 확장하고 LLM의 instruction 수행 능력을 향상시킬 수 있습니다[69]. 이 전략을 검토하기 위해 MOSS 프로젝트[362]에서 공개된 합성 instruction 세트에서 새로운 instructions를 샘플링합니다[143]. 이를 Self-Instruct-52K 데이터 세트와 혼합하여 220K개의 instructions가 포함된 더 큰 데이터 세트를 구성합니다.[|endofturn|]

\(\bullet\)_명령어 수를 확장합니다._ 위의 측면 외에도 명령어 수도 모델 성능에 영향을 미칠 수 있는 중요한 요소입니다. 특히, 더 많은 명령어를 사용하면 작업 지식을 확장하고 LLM의 명령어 수행 능력을 향상시킬 수 있습니다[69]. 이 전략을 검토하기 위해 MOSS 프로젝트[362]에서 공개된 합성 명령어 세트에서 새로운 명령어를 샘플링합니다[143]. 이를 Self-Instruct-52K 데이터 세트와 혼합하여 220K개의 명령어가 포함된 더 큰 데이터 세트를 구성합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]\(\bullet\)_Scaling the instruction number._ In addition to the above aspects, the number of instructions is also an important factor that may affect the model performance. Specially, using more instructions can extend the task knowledge and improve the ability of instruction following for LLMs [69]. To examine this strategy, we sample new instructions from the synthesized instruction set released from the MOSS project [362], as they are also synthesized using the same self-instruct method [143]. We mix them with the Self-Instruct-52K dataset to compose a larger one containing 220K instructions. [|assistant|]

환각 완화. 많은 널리 사용되는 언어 모델은 사용자와의 상호작용을 조정하는 방법을 학습하기 위해 Supervised Fine-tuning (SFT)을 활용합니다(Wang et al., 2022b; Zhang et al., 2023b). 특히 추론 및 정렬과 같은 기능을 개선할 수 있는 합성 SFT 데이터를 생성하는 방법이 많이 있습니다(Wei et al., 2023a,b). 그러나 이러한 합성 데이터는 비 사소한 양의 환각 답변을 포함하거나 모델이 답을 모르는 질문에 답하도록 학습하도록 강제함으로써 언어 모델에 환각을 유도할 수 있는 것으로 나타났습니다(Zhang et al., 2023c). 이러한 사례는 합성 데이터가 올바르게 적용되지 않으면 언어 모델에서 환각을 실제로 증가시킬 수 있음을 보여줍니다.[|endofturn|]

환각 완화.많은 널리 사용되는 언어 모델은 사용자와의 상호작용을 조정하는 방법을 학습하기 위해 지도 미세 조정(SFT)을 활용합니다(Wang et al., 2022b; Zhang et al., 2023b). 특히 추론 및 정렬과 같은 기능을 개선할 수 있는 합성 SFT 데이터를 생성하는 방법이 많이 있습니다(Wei et al., 2023a,b). 그러나 이러한 합성 데이터는 비 사소한 양의 환각 답변을 포함하거나 모델이 답을 모르는 질문에 답하도록 학습하도록 강제함으로써 언어 모델에 환각을 유도할 수 있는 것으로 나타났습니다(Zhang et al., 2023c). 이러한 사례는 합성 데이터가 올바르게 적용되지 않으면 언어 모델에서 환각을 실제로 증가시킬 수 있음을 보여줍니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Mitigating hallucination.Many widely-used language models utilize supervised finetuning (SFT) to learn to align their interactions with users (Wang et al., 2022b; Zhang et al., 2023b). In particular, there exist many methods of generating synthetic SFT data that can improve capabilities such as reasoning and alignment (Wei et al., 2023a,b). It has been shown, however, that these synthetic data can induce hallucinations into language models by containing nontrivial amounts of hallucinated answers or by forcing models to learn to answer questions that they do not know the answer to (Zhang et al., 2023c). These cases demonstrate that synthetic data, if not applied correctly, can actually increase hallucinations in language models. [|assistant|]

또한 일부 연구자들은 [312] 반복적인 생성 문제를 완화하기 위해 이전에 생성된 토큰 또는 \(n\)-그램의 생성에 불이익을 주는 것을 제안합니다. 또한 다양한 beam search [313]을 활용하여 동일한 입력을 기반으로 다양한 출력 집합을 생성할 수 있습니다.[|endofturn|]

또한 일부 연구자들은 [312] 반복적인 생성 문제를 완화하기 위해 이전에 생성된 토큰 또는 \(n\)-그램의 생성에 불이익을 주는 것을 제안합니다. 또한 다양한 빔 검색 [313]을 활용하여 동일한 입력을 기반으로 다양한 출력 집합을 생성할 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Besides, some researchers [312] propose to penalize the generation of previously generated tokens or \(n\)-grams to alleviate the issue of repetitive generation. In addition, diverse beam search [313] can be leveraged to produce a set of diverse outputs based on the same input. [|assistant|]

11쪽: 각 질문에 대해 GPT-4에게 10번 prompt하고 한 번이라도 정답을 맞히면 성공으로 간주합니다. 성능은 사용된 prompt에 따라 달라지는 것으로 보입니다. prompt를 약간만 변경해도 모델의 정확도가 높아질 수 있습니다.[|endofturn|]

11쪽: 각 질문에 대해 GPT-4에게 10번 프롬프트하고 한 번이라도 정답을 맞히면 성공으로 간주합니다. 성능은 사용된 프롬프트에 따라 달라지는 것으로 보입니다. 프롬프트를 약간만 변경해도 모델의 정확도가 높아질 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Footnote 11: We prompt GPT-4 10 times for each question and count it as a success if it answers the question correctly at least once. Performance seems to depend on the prompt used. Slightly changing the prompt could cause models to achieve higher accuracy. [|assistant|]

\(\bullet\)_Model Feedback._ 앞서 언급한 외부 신호인 환경 및 인간 피드백 외에도 연구자들은 에이전트 자체의 내부 피드백을 활용하는 방안도 연구했습니다. 이러한 유형의 피드백은 일반적으로 사전 학습된 모델을 기반으로 생성됩니다. 특히 [62]는 self-refine 메커니즘을 제안합니다. 이 메커니즘은 출력, 피드백, 개선이라는 세 가지 중요한 구성 요소로 구성됩니다. 먼저 에이전트가 출력을 생성합니다. 그런 다음 LLMs을 활용하여 출력에 대한 피드백을 제공하고 개선 방법을 안내합니다. 마지막으로 피드백과 개선을 통해 출력이 개선됩니다. 이 출력-피드백-개선 프로세스는 원하는 조건에 도달할 때까지 반복됩니다. SelfCheck [63]를 통해 에이전트는 다양한 단계에서 생성된 추론 단계를 검토하고 평가할 수 있습니다. 그런 다음 결과를 비교하여 오류를 수정할 수 있습니다. InterAct [64]는 다른 language models (예: ChatGPT 및 InstructGPT)을 검사자 및 정렬자와 같은 보조 역할로 사용하여 주 언어 모델이 잘못된 동작과 비효율적인 동작을 피할 수 있도록 돕습니다. ChatCoT [65]는 model feedback을 활용하여 추론 프로세스의 품질을 개선합니다. model feedback은 에이전트 추론 단계를 모니터링하는 평가 모듈에서 생성됩니다. Reflexion [12]은 상세한 언어 피드백을 통해 에이전트의 계획 기능을 향상시키기 위해 개발되었습니다. 이 모델에서 에이전트는 먼저 메모리를 기반으로 액션을 생성한 다음, 평가기는 에이전트 궤적을 입력으로 사용하여 피드백을 생성합니다. 피드백이 스칼라 값으로 제공되는 기존 연구와 달리, 이 모델은 LLMs을 활용하여 보다 상세한 언어 피드백을 제공함으로써 에이전트 계획에 대한 보다 포괄적인 지원을 제공할 수 있습니다.[|endofturn|]

\(\bullet\)_모델 피드백._ 앞서 언급한 외부 신호인 환경 및 인간 피드백 외에도 연구자들은 에이전트 자체의 내부 피드백을 활용하는 방안도 연구했습니다. 이러한 유형의 피드백은 일반적으로 사전 학습된 모델을 기반으로 생성됩니다. 특히 [62]는 자체 개선 메커니즘을 제안합니다. 이 메커니즘은 출력, 피드백, 개선이라는 세 가지 중요한 구성 요소로 구성됩니다. 먼저 에이전트가 출력을 생성합니다. 그런 다음 LLM을 활용하여 출력에 대한 피드백을 제공하고 개선 방법을 안내합니다. 마지막으로 피드백과 개선을 통해 출력이 개선됩니다. 이 출력-피드백-개선 프로세스는 원하는 조건에 도달할 때까지 반복됩니다. 셀프체크[63]를 통해 에이전트는 다양한 단계에서 생성된 추론 단계를 검토하고 평가할 수 있습니다. 그런 다음 결과를 비교하여 오류를 수정할 수 있습니다. InterAct [64]는 다른 언어 모델(예: ChatGPT 및 InstructGPT)을 검사자 및 정렬자와 같은 보조 역할로 사용하여 주 언어 모델이 잘못된 동작과 비효율적인 동작을 피할 수 있도록 돕습니다. ChatCoT [65]는 모델 피드백을 활용하여 추론 프로세스의 품질을 개선합니다. 모델 피드백은 에이전트 추론 단계를 모니터링하는 평가 모듈에서 생성됩니다. Reflexion [12]은 상세한 언어 피드백을 통해 에이전트의 계획 기능을 향상시키기 위해 개발되었습니다. 이 모델에서 에이전트는 먼저 메모리를 기반으로 액션을 생성한 다음, 평가기는 에이전트 궤적을 입력으로 사용하여 피드백을 생성합니다. 피드백이 스칼라 값으로 제공되는 기존 연구와 달리, 이 모델은 LLM을 활용하여 보다 상세한 언어 피드백을 제공함으로써 에이전트 계획에 대한 보다 포괄적인 지원을 제공할 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]\(\bullet\)_Model Feedback._ Apart from the aforementioned environmental and human feedback, which are external signals, researchers have also investigated the utilization of internal feedback from the agents themselves. This type of feedback is usually generated based on pre-trained models. In specific, [62] proposes a self-refine mechanism. This mechanism consists of three crucial components: output, feedback, and refinement. Firstly, the agent generates an output. Then, it utilizes LLMs to provide feedback on the output and offer guidance on how to refine it. At last, the output is improved by the feedback and refinement. This output-feedback-refinement process iterates until reaching some desired conditions. SelfCheck [63] allows agents to examine and evaluate their reasoning steps generated at various stages. They can then correct any errors by comparing the outcomes. InterAct [64] uses different language models (such as ChatGPT and InstructGPT) as auxiliary roles, such as checkers and sorters, to help the main language model avoid erroneous and inefficient actions. ChatCoT [65] utilizes model feedback to improve the quality of its reasoning process. The model feedback is generated by an evaluation module that monitors the agent reasoning steps. Reflexion [12] is developed to enhance the agent's planning capability through detailed verbal feedback. In this model, the agent first produces an action based on its memory, and then, the evaluator generates feedback by taking the agent trajectory as input. In contrast to previous studies, where the feedback is given as a scalar value, this model leverages LLMs to provide more detailed verbal feedback, which can provide more comprehensive supports for the agent plans. [|assistant|]

\(\bullet\)_GPT-1_. 2017년에 Google에서 Transformer 모델[22]을 소개했고, OpenAI 팀은 이 새로운 신경망 아키텍처에 언어 모델링 작업을 빠르게 적용했습니다. 2018년에 첫 번째 GPT 모델, 즉 GPT-1[122]을 출시했으며, 생성적 사전 학습의 약자인 _GPT_라는 약어를 모델 이름으로 사용했습니다. GPT-1은 생성적, decoder-only Transformer 아키텍처를 기반으로 개발되었으며, 비지도 사전 학습과 supervised Fine-tuning의 하이브리드 접근 방식을 채택했습니다. GPT-1은 GPT 시리즈 모델의 핵심 아키텍처를 구축하고 자연어 텍스트를 모델링하는 기본 원리, 즉 다음 단어 예측을 확립했습니다.[|endofturn|]

\(\bullet\)_GPT-1_. 2017년에 Google에서 트랜스포머 모델[22]을 소개했고, OpenAI 팀은 이 새로운 신경망 아키텍처에 언어 모델링 작업을 빠르게 적용했습니다. 2018년에 첫 번째 GPT 모델, 즉 GPT-1[122]을 출시했으며, 생성적 사전 학습의 약자인 _GPT_라는 약어를 모델 이름으로 사용했습니다. GPT-1은 생성적 디코더 전용 트랜스포머 아키텍처를 기반으로 개발되었으며, 비지도 사전 학습과 지도 미세 조정의 하이브리드 접근 방식을 채택했습니다. GPT-1은 GPT 시리즈 모델의 핵심 아키텍처를 구축하고 자연어 텍스트를 모델링하는 기본 원리, 즉 다음 단어 예측을 확립했습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]\(\bullet\)_GPT-1_. In 2017, the Transformer model [22] was introduced by Google, and the OpenAI team quickly adapted their language modeling work to this new neural network architecture. They released the first GPT model in 2018, _i.e._, GPT-1 [122], and coined the abbreviation term _GPT_ as the model name, standing for _Generative Pre-Training_. GPT-1 was developed based on a generative, decoder-only Transformer architecture, and adopted a hybrid approach of unsupervised pretraining and supervised fine-tuning. GPT-1 has set up the core architecture for the GPT-series models and established the underlying principle to model natural language text, _i.e._, predicting the next word. [|assistant|]

2023년 3월에 OpenAI에서 출시한 CODEX[57]는 자연어를 구문 분석하고 이에 대한 응답으로 코드를 생성할 수 있는 범용 프로그래밍 모델입니다. CODEX는 GPT-3의 후손으로, GitHub에서 수집한 코드 코퍼스에서 프로그래밍 애플리케이션에 맞게 Fine-tuning되었습니다. CODEX는 Microsoft의 GitHub Copilot의 핵심입니다.[|endofturn|]

2023년 3월에 OpenAI에서 출시한 CODEX[57]는 자연어를 구문 분석하고 이에 대한 응답으로 코드를 생성할 수 있는 범용 프로그래밍 모델입니다. CODEX는 GPT-3의 후손으로, GitHub에서 수집한 코드 코퍼스에서 프로그래밍 애플리케이션에 맞게 미세 조정되었습니다. CODEX는 Microsoft의 GitHub Copilot의 핵심입니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]CODEX [57], released by OpenAI in March 2023, is a general-purpose programming model that can parse natural language and generate code in response. CODEX is a descendant of GPT-3, fine-tuned for programming applications on code corpora collected from GitHub. CODEX powers Microsoft's GitHub Copilot. [|assistant|]

**Empirical Hutter++ Model.** 그림 6에서는 원래 분포에서 \(T_{0}=100,000\) 샘플에 대해 학습된 초기 모델을 사용합니다. Gen 1 라인의 경우, 데이터는 모두 이 초기 모델에서 생성됩니다. 2세대부터는 가장 성능이 우수한 모델이 생성한 데이터에 대해 반복적으로 모델을 학습시켜 모델 붕괴가 불충분한 샘플링으로 인해 발생할 가능성을 효과적으로 제거합니다. Gen 1의 경우, 데이터 확장성이 눈에 띄게 저하되는 동시에 여러 세대에 걸쳐 모델 성능이 급격히 하락하는 것이 관찰됩니다. 이러한 관찰 결과는 이론적 결과를 검증할 뿐만 아니라 가정을 재확인하는 결과이기도 합니다. 그림 16에서 볼 수 있듯이 temperature scaling에서도 비슷한 패턴이 나타납니다.[|endofturn|]

**경험적 허터++ 모델.** 그림 6에서는 원래 분포에서 \(T_{0}=100,000\) 샘플에 대해 학습된 초기 모델을 사용합니다. Gen 1 라인의 경우, 데이터는 모두 이 초기 모델에서 생성됩니다. 2세대부터는 가장 성능이 우수한 모델이 생성한 데이터에 대해 반복적으로 모델을 학습시켜 모델 붕괴가 불충분한 샘플링으로 인해 발생할 가능성을 효과적으로 제거합니다. Gen 1의 경우, 데이터 확장성이 눈에 띄게 저하되는 동시에 여러 세대에 걸쳐 모델 성능이 급격히 하락하는 것이 관찰됩니다. 이러한 관찰 결과는 이론적 결과를 검증할 뿐만 아니라 가정을 재확인하는 결과이기도 합니다. 그림 16에서 볼 수 있듯이 온도 스케일링에서도 비슷한 패턴이 나타납니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**Empirical Hutter++ Model.** In Figure 6, we use an initial model that is trained on \(T_{0}=100,000\) samples from the original distribution. For the Gen 1 line, the data are all generated from this initial model. From Gen 2 onwards, models are iteratively trained on data produced by the most performant model of the preceding generation, effectively eliminating the possibility that model collapse results from inadequate sampling. For Gen 1, a notable degradation in data scalability is observed, alongside a rapid decline in model performance across generations. These observations not only validate our theoretical result but also reaffirm our assumptions. A similar pattern is evident with temperature scaling, as shown in Figure 16. [|assistant|]

**D4**: 앞서 언급했듯이, 템플릿으로 생성된 텍스트 또는 의미적으로 매우 중복된 정보의 클러스터가 MinHash에 의해 제거되지 않는 중복 클러스터가 많이 발견됩니다. 임베딩 공간의 이러한 영역은 매우 밀집되어 있는 경향이 있으며, k-means가 중복된 텍스트에 귀중한 클러스터 할당을 낭비하게 만듭니다. 이러한 편향된 클러스터링은 더 많은 주제적 일관성 대신 중복으로 인해 많은 클러스터가 발생하기 때문에 SSL Prototypes의 효율성에도 부정적인 영향을 미칠 수 있습니다.[|endofturn|]

**D4**: 앞서 언급했듯이, 템플릿으로 생성된 텍스트 또는 의미적으로 매우 중복된 정보의 클러스터가 MinHash에 의해 제거되지 않는 중복 클러스터가 많이 발견됩니다. 임베딩 공간의 이러한 영역은 매우 밀집되어 있는 경향이 있으며, k-평균이 중복된 텍스트에 귀중한 클러스터 할당을 낭비하게 만듭니다. 이러한 편향된 클러스터링은 더 많은 주제적 일관성 대신 중복으로 인해 많은 클러스터가 발생하기 때문에 SSL 프로토타입의 효율성에도 부정적인 영향을 미칠 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**D4**: As mentioned previously, we find many instances of duplicate-driven clusters: clusters of templated text or extremely semantically redundant information that are not removed by MinHash. These regions of embedding space tend to be very dense and cause k-means to waste valuable cluster assignments on duplicated text. This biased clustering could also negatively to impact the effectiveness of SSL Prototypes since many clusters will be entirely driven by duplicates instead of more topical coherence. [|assistant|]

RQ3: 고품질의 re-phraser가 얼마나 중요한가요? 이를 답하기 위해 네 가지 re-phrasing 모델(T5-base(Raffel et al., 2020), Owen-L8B-chat(Bai et al., 2023a), Mistral-7B-chat(Jiang et al., 2023), Vicuna-13B-chat-v1.3(Chiang et al., 2023))의 데이터를 사용하여 30B tokens에 대해 345M 모델을 학습합니다. 모든 모델에서 동일한 prompt를 사용하여 데이터를 생성합니다. T5-base 모델의 경우, Vicuna-13b-chat 모델의 re-phrase pairs에 대해 1회 동안 모델을 Fine-tuning합니다. Qwen-1.8B 및 Mistral-7B와 같은 작은 re-phrase 모델에서 생성된 데이터로 pre-training하면 Vicuna 13B보다 낮은 perplexity를 얻을 수 있음을 발견했습니다(그림 5). 동시에 Fine-tuning된 T5-base 모델은 나머지 모델보다 훨씬 낮은 성능을 보입니다. 그럼에도 불구하고 모든 rephrase 모델은 실제 C4 데이터만으로도 perplexity를 줄여줍니다. 고품질의 합성 데이터를 생성하여 **WRAP**의 적용 가능성을 더욱 확장할 수 있는 paraphrase 모델을 얼마나 작게 훈련할 수 있는지 한계를 테스트하는 것은 아직 미해결 과제로 남아 있습니다.[|endofturn|]

RQ3: 고품질의 재구문화기가 얼마나 중요한가요? 이를 답하기 위해 네 가지 재구문화 모델(T5-base(Raffel et al., 2020), Owen-L8B-chat(Bai et al., 2023a), Mistral-7B-chat(Jiang et al., 2023), Vicuna-13B-chat-v1.3(Chiang et al., 2023))의 데이터를 사용하여 30B 토큰에 대해 345M 모델을 학습합니다. 모든 모델에서 동일한 프롬프트를 사용하여 데이터를 생성합니다. T5-base 모델의 경우, Vicuna-13b-chat 모델의 재구문 쌍에 대해 1회 동안 모델을 미세 조정합니다. Qwen-1.8B 및 Mistral-7B와 같은 작은 재구문 모델에서 생성된 데이터로 사전 학습하면 Vicuna 13B보다 낮은 당혹감을 얻을 수 있음을 발견했습니다(그림 5). 동시에 미세 조정된 T5-base 모델은 나머지 모델보다 훨씬 낮은 성능을 보입니다. 그럼에도 불구하고 모든 재구문 모델은 실제 C4 데이터만으로도 당혹감을 줄여줍니다. 고품질의 합성 데이터를 생성하여 **WRAP**의 적용 가능성을 더욱 확장할 수 있는 의역 모델을 얼마나 작게 훈련할 수 있는지 한계를 테스트하는 것은 아직 미해결 과제로 남아 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]RQ3: How important is to have a high-quality re-phraser?To answer this, we use data from four distinct re-phrasing models (T5-base (Raffel et al., 2020), Owen-L8B-chat (Bai et al., 2023a), Mistral-7B-chat (Jiang et al., 2023), and Vicuna-13B-chat-v1.3 (Chiang et al., 2023)) and train a 345M model for 30B tokens. We generate data from all models using the same prompt. In case of the T5-base model, we finetune the model for 1 epoch on re-phrase pairs from the Vicuna-13b-chat model. We find that pre-training on data generated by smaller re-phrase models like Qwen-1.8B and Mistral-7B achieve lower perplexity than Vicuna 13B (Figure 5). At the same time, our fine-tuned T5-base model performs significantly worse than the rest. Even then, all rephrase models reduce perplexity over only real C4 data. It remains an open question to test the limits of how small can we train a paraphrase model that can generate high quality synthetic data to further scale the applicability of **WRAP**. [|assistant|]

Jailbreak prompts는 NLP 전문가 패널이 수동으로 작성했습니다. Prompts는 출력의 첫 줄을 앞에 붙여서 또는 붙여서 테스트했습니다. 표 5에는 테스트된 모든 jailbreak prompts 목록이 내림차순으로 나와 있습니다. 모델 및 데이터 세트별 성능 플롯은 그림 5에서 확인할 수 있습니다.[|endofturn|]

Jailbreak 프롬프트는 NLP 전문가 패널이 수동으로 작성했습니다. 프롬프트는 출력의 첫 줄을 앞에 붙여서 또는 붙여서 테스트했습니다. 표 5에는 테스트된 모든 탈옥 프롬프트 목록이 내림차순으로 나와 있습니다. 모델 및 데이터 세트별 성능 플롯은 그림 5에서 확인할 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Jailbreak prompts were manually written by a panel of NLP experts. Prompts were tested with and without newlines prepended and with and without taking the first line of output. Table 5 contains a list of all jailbreak prompts tested in order of descending effectiveness. A plot of performance by model and dataset is available in Figure 5. [|assistant|]

Coig-PcCOIG-PC 데이터 세트는 중국어 NLP 연구를 발전시키기 위해 고안된 포괄적인 중국어 NLP 작업 모음입니다. 이 데이터 세트의 목표는 연구자와 개발자가 중국어 텍스트를 처리할 때 언어 모델의 기능을 개선하는 데 사용할 수 있는 풍부한 리소스를 제공하는 것입니다. 이 데이터 세트는 연구자와 개발자를 위한 포괄적인 리소스 제품군을 제공하여 텍스트 생성, 정보 추출, 감정 분석, 기계 번역 등 다양한 영역에서 언어 모델의 기능을 발전시킬 수 있도록 지원합니다. 처음에는 COIG-PC에서 중국어와 영어를 모두 포함하는 1,413개의 작업을 선정했습니다. 그런 다음 주로 전통적인 NLP 데이터 세트에서 가져온 정보 추출, 분류, 요약 등 품질 기준을 충족하는 250개의 작업을 수동으로 선별했습니다. Temperature sampling을 통해 최종적으로 3,000개의 (Instruction, 응답) 쌍을 샘플링한 후, 품질을 보장하기 위해 사람이 직접 검증했습니다.[|endofturn|]

Coig-PcCOIG-PC 데이터 세트는 중국어 NLP 연구를 발전시키기 위해 고안된 포괄적인 중국어 NLP 작업 모음입니다. 이 데이터 세트의 목표는 연구자와 개발자가 중국어 텍스트를 처리할 때 언어 모델의 기능을 개선하는 데 사용할 수 있는 풍부한 리소스를 제공하는 것입니다. 이 데이터 세트는 연구자와 개발자를 위한 포괄적인 리소스 제품군을 제공하여 텍스트 생성, 정보 추출, 감정 분석, 기계 번역 등 다양한 영역에서 언어 모델의 기능을 발전시킬 수 있도록 지원합니다. 처음에는 COIG-PC에서 중국어와 영어를 모두 포함하는 1,413개의 작업을 선정했습니다. 그런 다음 주로 전통적인 NLP 데이터 세트에서 가져온 정보 추출, 분류, 요약 등 품질 기준을 충족하는 250개의 작업을 수동으로 선별했습니다. 온도 샘플링을 통해 최종적으로 3,000개의 (지시어, 응답) 쌍을 샘플링한 후, 품질을 보장하기 위해 사람이 직접 검증했습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Coig-PcThe COIG-PC Dataset is a comprehensive collection of Chinese NLP tasks, aimed at advancing Chinese NLP research. The goal of this dataset is to provide a rich set of resources to researchers and developers, which they can use to improve the capabilities of language models in handling Chinese text. It offers a comprehensive suite of resources for researchers and developers, facilitating advancements in language model capabilities across various domains including text generation, information extraction, sentiment analysis, and machine translation, etc. Initially, we selected 1,413 tasks involving both Chinese and English languages from COIG-PC. Then, we manually select 250 tasks that meet our quality criteria, including information extraction, classification, summary, and others, primarily sourced from traditional NLP datasets. Through temperature sampling, we eventually sample 3,000 (instruction, response) pairs, which are further verified by human to ensure quality. [|assistant|]

이 기술 보고서에서는 LLaMA 모델의 중국어 이해 및 생성 기능을 향상시키는 접근 방식을 제시했습니다. 원래 LLaMA의 중국어 어휘가 가지고 있는 한계를 인식하고, 20,000개의 중국어 토큰을 추가로 통합하여 중국어에 대한 인코딩 효율성을 크게 높였습니다. 중국어 LLaMA를 기반으로 instruction 데이터를 사용한 Supervised Fine-tuning을 사용하여 instruction을 따르는 기능이 향상된 중국어 알파카 모델을 만들었습니다.[|endofturn|]

이 기술 보고서에서는 LLaMA 모델의 중국어 이해 및 생성 기능을 향상시키는 접근 방식을 제시했습니다. 원래 LLaMA의 중국어 어휘가 가지고 있는 한계를 인식하고, 20,000개의 중국어 토큰을 추가로 통합하여 중국어에 대한 인코딩 효율성을 크게 높였습니다. 중국어 LLaMA를 기반으로 지시 데이터를 사용한 지도 미세 조정을 사용하여 지시를 따르는 기능이 향상된 중국어 알파카 모델을 만들었습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]In this technical report, we have presented an approach to enhance the Chinese understanding and generation capabilities of the LLaMA model. Acknowledging the limitations of the original LLaMA's Chinese vocabulary, we expanded it by incorporating 20K additional Chinese tokens, significantly increasing its encoding efficiency for the Chinese language. Building on the Chinese LLaMA, we employed supervised fine-tuning with instruction data, resulting in Chinese Alpaca models exhibiting improved instruction-following capabilities. [|assistant|]

* 결과 5: 1000회 노출 설정에서 2bit/param 용량 비율은 모든 모델, 특히 MLP 레이어가 없는 모델도 이 비율에 근접하는 **보편적인 규칙**으로 보입니다. * 결과 6: 100회 노출 시 일부 arch에서 한계가 나타나는데, 특히 LLaMA/Mistral의 용량 비율은 최적화된 Learning Rate를 적용한 후에도 GPT2보다 1.3배 낮습니다. * 결과 7: 추가 제어 실험에 따르면 "gated MLP" 사용은 LLaMA/Mistral architecture의 지식 저장 성능 저하로 이어지는 것으로 나타났습니다.[|endofturn|]

* 결과 5: 1000회 노출 설정에서 2비트/파라미터 용량 비율은 모든 모델, 특히 MLP 레이어가 없는 모델도 이 비율에 근접하는 **보편적인 규칙**으로 보입니다. * 결과 6: 100회 노출 시 일부 아크에서 한계가 나타나는데, 특히 LLaMA/Mistral의 용량 비율은 최적화된 학습 속도를 적용한 후에도 GPT2보다 1.3배 낮습니다. * 결과 7: 추가 제어 실험에 따르면 "게이트형 MLP" 사용은 LLaMA/Mistral 아키텍처의 지식 저장 성능 저하로 이어지는 것으로 나타났습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]* Result 5: In the 1000-exposure setting, a 2bit/param capacity ratio appears to be a **universal rule**: all models, even without MLP layers, closely achieve this ratio. * Result 6: With 100 exposures, some archs show limitations; notably, LLaMA/Mistral's capacity ratio is 1.3x lower than GPT2's, even after best-tuned learning rates. * Result 7: Further controlled experiments indicate that "gated MLP" usage leads to LLaMA/Mistral architecture's underperformance in knowledge storage. [|assistant|]

**Action Production**: 모델 입력과 출력이 직접 연관되어 있는 일반적인 LLM과 달리, 에이전트는 다양한 전략과 소스를 통해 actions을 취할 수 있습니다. 다음에서는 일반적으로 사용되는 두 가지 유형의 action 생성 전략을 소개합니다. (1) _Action via Memory Recollection_. 이 전략에서는 현재 작업에 따라 에이전트 메모리에서 정보를 추출하여 action을 생성합니다. 작업과 추출된 메모리는 에이전트 동작을 트리거하는 prompts로 사용됩니다. 예를 들어, Generative Agents [20]에서 에이전트는 메모리 스트림을 유지하며, 각 동작을 취하기 전에 메모리 스트림에서 최근의 관련성 있고 중요한 정보를 검색하여 에이전트 동작을 안내합니다. GITM [16]에서는 에이전트가 메모리를 쿼리하여 하위 목표를 달성하기 위해 작업과 관련된 성공적인 경험이 있는지 확인합니다. 이전에 유사한 작업을 완료한 적이 있다면 에이전트는 이전에 성공한 actions을 호출하여 현재 작업을 직접 처리합니다. ChatDev [18] 및 MetaGPT [23]과 같은 협업 에이전트에서는 서로 다른 에이전트가 서로 통신할 수 있습니다. 이 과정에서 대화의 대화 기록은 에이전트 메모리에 기억됩니다. 에이전트가 생성한 각 발화는 메모리의 영향을 받습니다. (2) _Action via Plan Following_. 이 전략에서는 에이전트가 미리 생성된 계획에 따라 actions을 취합니다. 예를 들어, DEPS [33]에서는 주어진 작업에 대해 에이전트가 먼저 action 계획을 세웁니다. 계획 실패를 나타내는 신호가 없으면 에이전트는 이러한 계획을 엄격하게 준수합니다. GITM [16]에서는 에이전트가 작업을 여러 하위 목표로 분해하여 상위 계획을 세웁니다. 이러한 계획을 기반으로 에이전트는 각 하위 목표를 해결하기 위한 actions을 취하여 최종 작업을 완료합니다.[|endofturn|]

**액션 프로덕션**: 모델 입력과 출력이 직접 연관되어 있는 일반적인 LLM과 달리, 에이전트는 다양한 전략과 소스를 통해 액션을 취할 수 있습니다. 다음에서는 일반적으로 사용되는 두 가지 유형의 액션 생성 전략을 소개합니다. (1) _메모리 회상을 통한 액션_. 이 전략에서는 현재 작업에 따라 에이전트 메모리에서 정보를 추출하여 액션을 생성합니다. 작업과 추출된 메모리는 에이전트 동작을 트리거하는 프롬프트로 사용됩니다. 예를 들어, 생성 에이전트 [20]에서 에이전트는 메모리 스트림을 유지하며, 각 동작을 취하기 전에 메모리 스트림에서 최근의 관련성 있고 중요한 정보를 검색하여 에이전트 동작을 안내합니다. GITM [16]에서는 에이전트가 메모리를 쿼리하여 하위 목표를 달성하기 위해 작업과 관련된 성공적인 경험이 있는지 확인합니다. 이전에 유사한 작업을 완료한 적이 있다면 에이전트는 이전에 성공한 작업을 호출하여 현재 작업을 직접 처리합니다. ChatDev [18] 및 MetaGPT [23]과 같은 협업 에이전트에서는 서로 다른 에이전트가 서로 통신할 수 있습니다. 이 과정에서 대화의 대화 기록은 에이전트 메모리에 기억됩니다. 에이전트가 생성한 각 발화는 메모리의 영향을 받습니다. (2) _계획 추종을 통한 액션_. 이 전략에서는 에이전트가 미리 생성된 계획에 따라 액션을 취합니다. 예를 들어, DEPS [33]에서는 주어진 작업에 대해 에이전트가 먼저 작업 계획을 세웁니다. 계획 실패를 나타내는 신호가 없으면 에이전트는 이러한 계획을 엄격하게 준수합니다. GITM [16]에서는 에이전트가 작업을 여러 하위 목표로 분해하여 상위 계획을 세웁니다. 이러한 계획을 기반으로 에이전트는 각 하위 목표를 해결하기 위한 액션을 취하여 최종 작업을 완료합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**Action Production**: Different from ordinary LLMs, where the model input and output are directly associated, the agent may take actions via different strategies and sources. In the following, we introduce two types of commonly used action production strategies. (1) _Action via Memory Recollection_. In this strategy, the action is generated by extracting information from the agent memory according to the current task. The task and the extracted memories are used as prompts to trigger the agent actions. For example, in Generative Agents [20], the agent maintains a memory stream, and before taking each action, it retrieves recent, relevant and important information from the memory steam to guide the agent actions. In GITM [16], in order to achieve a low-level sub-goal, the agent queries its memory to determine if there are any successful experiences related to the task. If similar tasks have been completed previously, the agent invokes the previously successful actions to handle the current task directly. In collaborative agents such as ChatDev [18] and MetaGPT [23], different agents may communicate with each other. In this process, the conversation history in a dialog is remembered in the agent memories. Each utterance generated by the agent is influenced by its memory. (2) _Action via Plan Following_. In this strategy, the agent takes actions following its pre-generated plans. For instance, in DEPS [33], for a given task, the agent first makes action plans. If there are no signals indicating plan failure, the agent will strictly adhere to these plans. In GITM [16], the agent makes high-level plans by decomposing the task into many sub-goals. Based on these plans, the agent takes actions to solve each sub-goal sequentially to complete the final task. [|assistant|]

챗 벡터를 활용하여 다른 언어로 변환할 수 있습니다. 둘째, LLaMA2를 base model로 활용하는 것 외에도 Mistral을 대체 base model로 조사했습니다. Traditional Chinese에서 지속적으로 pretraining한 Mistral 기반 모델인 Breeze-7B를 CP 모델로 사용하고 Mistral-instruct-0.2 chat vector를 통합한 결과, 기존 Breeze-Instruct에 비해 더 우수한 점수를 얻었습니다. 이는 Mistral 기반 모델이 chat vector에 적응할 수 있음을 나타냅니다. 마지막으로, chat vector의 다용도성은 중국어에만 국한되지 않습니다. 한국어를 예로 들어, 지속적으로 pretraining한 Korean LLaMA2를 LLaMA2 chat vector와 결합하면 모델이 instruction-following 기능을 습득할 수 있습니다. 이는 chat vector가 다양한 언어에 걸쳐 효과적임을 나타냅니다.[|endofturn|]

챗 벡터를 활용하여 다른 언어로 변환할 수 있습니다. 둘째, LLaMA2를 기본 모델로 활용하는 것 외에도 Mistral을 대체 기본 모델로 조사했습니다. 트위터에서 지속적으로 전처리를 거친 미스트랄 기반 모델인 Breeze-7B를 CP 모델로 사용하고 미스트랄 인스트럭트-0.2 채팅 벡터를 통합한 결과, 기존 브리즈 인스트럭트에 비해 더 우수한 점수를 얻었습니다. 이는 미스트랄 기반 모델이 채팅 벡터에 적응할 수 있음을 나타냅니다. 마지막으로, 채팅 벡터의 다용도성은 중국어에만 국한되지 않습니다. 한국어를 예로 들어 한국어를 지속적으로 전처리한 LLaMA2를 LLaMA2 채팅 벡터와 결합하면 모델이 명령어를 따르는 기능을 습득할 수 있습니다. 이는 채팅 벡터가 다양한 언어에 걸쳐 효과적임을 나타냅니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]can be transformed into different languages through the utilization of chat vectors. Secondly, apart from utilizing LLaMA2 as the base model, we investigated Mistral as an alternative base model. Employing Breeze-7B, a Mistral-based model with continual pretraining in Traditional Chinese, as the CP model, and integrating the Mistral-instruct-0.2 chat vector yielded superior scores compared to the original Breeze-Instruct. This indicates the adaptability of Mistral-based models to chat vectors. Finally, the versatility of chat vectors is not limited to Chinese. Taking Korean as an example, applying the LLaMA2 with cotinual pretraining Korean, combined with the LLaMA2 chat vector, enables the model to acquire instruction-following capabilities. This indicates that chat vectors are effective across different languages. [|assistant|]

사전 학습 계속하기. 우리는 sequence parallelism [43]과 distributed attention을 사용하여 full-attention 모델을 계속 사전 학습합니다. 즉, sparse 또는 linear attention을 사용하지 않고 full attention에 대한 brute force 구현을 사용합니다. 우리는 섹션 2에서 소개한 (1) 원래의 사전 학습 데이터; (2) 길이가 업샘플링된 long-context 데이터(긴 문서는 대부분 책에서 가져옴); (3) 답변에 답변 앞의 관련 단락을 인용하는 QA 쌍을 구성하는 multi-document question-answering synthetic 데이터의 혼합물에 대해 Yi 6B/34B base 모델을 계속 사전 학습합니다. 우리의 데이터 접근 방식은 대부분 Fu et al. [22] 및 Yu et al. [87]의 데이터 엔지니어링 관행을 따릅니다. 우리는 4M batch size로 5B tokens에 대해 모델을 계속 사전 학습하여 100 optimization 단계로 변환합니다. Fu et al. [22]의 동시 작업과 일치하도록, 우리는 그림 6에서 보여질 것처럼 이러한 가벼운 웨이트 계속 사전 학습이 이미 Needle-in-a-Haystack 테스트에서 강력한 성능을 발휘할 수 있음을 관찰했습니다.[|endofturn|]

사전 학습 계속하기시퀀스 병렬 처리[43]와 분산 주의를 사용하여 전체 주의 모델을 사전 학습합니다. 즉, 스파스 또는 선형 주의를 사용하지 않고 전체 주의에 대한 무차별 대입 구현을 사용합니다. 섹션 2에서 소개한 (1)의 데이터 혼합물에 대해 Yi 6B/34B 기본 모델을 사전 학습합니다; (2). 길이가 업샘플링된 긴 컨텍스트 데이터(긴 문서는 대부분 책에서 가져옴); (3). 답변에 답변 앞의 관련 단락을 인용하는 QA 쌍을 구성하는 다중 문서 질의응답 합성 데이터. 데이터 접근 방식은 대부분 Fu et al. [22] 및 Yu et al. [87]. 4M 배치 크기로 5B 토큰에 대해 모델을 계속 학습하여 100개의 최적화 단계로 변환합니다. Fu et al. [22]의 동시 작업과 일치하도록, 우리는 그림 6에서 보여질 것처럼 이러한 가벼운 웨이트 계속 학습이 이미 건초더미에서 바늘을 찾는 테스트에서 강력한 성능을 발휘할 수 있음을 관찰했습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Continue PretrainingWe continue pretrain the full-attention model using sequence parallelism [43] and distributed attention. This is to say, we do not use any sparse or linear attention, but use a brute force implementation of the full attention. We continue pretrain the Yi 6B/ 34B base model on the data mixture of (1). original pretraining data, as is introduced in section 2; (2). length-upsampled long-context data, where the long documents are mostly from books; (3). multi-document question-answering synthetic data, where we construct QA pairs where the answer contains a recitation of the related paragraph before the answer. Our data approach mostly follows the data engineering practice in Fu et al. [22] and Yu et al. [87]. We continue pretrain the model on 5B tokens with 4M batch size, which translate to 100 optimization steps. Aligning with the concurrent work from Fu et al. [22], we observe that such light-weight continue pretraining is already able to enable a strong performance on Needle-in-a-Haystack test, as we will show in Figure 6. [|assistant|]

**다양성 부분**. 다양성 구성 요소의 경우, 다음과 같이 \(P_{i}\)를 구성합니다. 각 \(a^{\prime}\in[K]\)의 경우, \(a\)는 \(\mathcal{A}\)에서 \(a^{\prime}\)-번째 속성을 나타냅니다. \(P_{N+(a^{\prime}-1)D+i}\)는 처음에 \(F^{\perp}(W(\mathcal{Z}),n,a,R_{i})\), 여기서 \(n\in\mathcal{N}\)은 무작위로 선택됩니다.[|endofturn|]

**다양성 부분**. 다양성 구성 요소의 경우, 다음과 같이 \(P_{i}\)를 구성합니다. 각 \(a^{\프라임}\in[K]\)의 경우, \(a\)는 \(\mathcal{A}\)에서 \(a^{\프라임}\)-번째 속성을 나타냅니다. P_{N+(a^{\프라임}-1)D+i}\)는 처음에 \(F^{\perp}(W(\mathcal{Z}),n,a,R_{i})\), 여기서 \(n\in\mathcal{N}\)은 무작위로 선택됩니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**Diversity Part.** For the diversity component, we construct the \(P_{i}\)'s as follows. For each \(a^{\prime}\in[K]\), let \(a\) denote the \(a^{\prime}\)-th attribute in \(\mathcal{A}\). We form \(P_{N+(a^{\prime}-1)D+i}\) by initially calculating \(F^{\perp}(W(\mathcal{Z}),n,a,R_{i})\), where \(n\in\mathcal{N}\) is selected uniformly at random. [|assistant|]

평가 구성T5 기반 모델의 경우, 모든 평가는 zero-shot 방식으로 수행되며 단일 GPU로 처리됩니다. InvariantLAMA의 경우 입력 및 출력 길이는 각각 25와 4로 고정되어 있습니다. UpdatedLAMA 및 NewLAMA의 경우 입력 및 출력 길이는 각각 50 및 10입니다. 마지막으로, NewLAMA-Easy의 경우 입력 및 출력 길이는 각각 150 및 10입니다. 이 하이퍼파라미터의 근거는 표 5의 평균 입력 및 답변 토큰을 기반으로 합니다.[|endofturn|]

평가 구성T5 기반 모델의 경우, 모든 평가는 제로 샷 방식으로 수행되며 단일 GPU로 처리됩니다. InvariantLAMA의 경우 입력 및 출력 길이는 각각 25와 4로 고정되어 있습니다. 업데이트된 LAMA 및 NewLAMA의 경우 입력 및 출력 길이는 각각 50 및 10입니다. 마지막으로, NewLAMA-Easy의 경우 입력 및 출력 길이는 각각 150 및 10입니다. 이 하이퍼파라미터의 근거는 표 5의 평균 입력 및 답변 토큰을 기반으로 합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Evaluation ConfigurationsFor T5 based models, all evaluation is done in a zero-shot manner and is processed with a single GPU. For InvariantLAMA, the input and output length is fixed as 25 and 4 respectively. For UpdatedLAMA and NewLAMA, the input and output length is 50 and 10 respectively. Lastly, the input and output length is 150 and 10 respectively for NewLAMA-Easy. The rationale of this hyperparameter is based on average input and answer token in Table 5. [|assistant|]

그림 4: **Forward Pass 및 Teacher Forcing**. 알고리즘의 단일 forward pass를 시각화합니다. 실선은 language model 계산을 나타내고 점선은 teacher forcing을 통해 토큰이 삽입되는 것을 나타내며, 믹서는 mixing head를 나타냅니다. 특히 세 개의 토큰을 앞당겨 예측하는 것을 시각화합니다. 사고 생성은 그림 1과 그림 3에서 더 자세히 보여줍니다.[|endofturn|]

그림 4: **포워드 패스 및 교사 강제**. 알고리즘의 단일 포워드 패스를 시각화합니다. 실선은 언어 모델 계산을 나타내고 점선은 교사 강제를 통해 토큰이 삽입되는 것을 나타내며, 믹서는 믹싱 헤드를 나타냅니다. 특히 세 개의 토큰을 앞당겨 예측하는 것을 시각화합니다. 사고 생성은 그림 1과 그림 3에서 더 자세히 보여줍니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Figure 4: **Forward Pass and Teacher Forcing**. We visualize a single forward pass of our algorithm. Solid lines denote language model computation, while dashed lines indicate tokens are inserted via teacher forcing, and the mixer represents the mixing head. In particular, we visualize predicting three tokens ahead. Thought generation is shown in more detail in Figure 1 and Figure 3. [|assistant|]

만약 CnstScore\((\tau_{\text{2H}},\tau_{\text{1H}})\)가 EntRec\({}^{l}(e_{2},\tau_{\text{2H}})\)에 직접 의존한다면 미분 미적분을 사용하여 변화 방향을 계산하여 답을 구할 수 있었을 것입니다. 그러나 두 값 사이에는 직접적인 함수적 종속성이 존재하지 않습니다. 대신, 두 메트릭 모두 계산을 위해 \(\mathbf{x}^{l}\)에 의존한다는 공통점을 활용하여 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{[|endofturn|]

만약 CnstScore\((\tau_{\text{2H}},\tau_{\text{1H}})\)가 EntRec\({}^{l}(e_{2},\tau_{\text{2H}})\)에 직접 의존한다면 미분 미적분을 사용하여 변화 방향을 계산하여 답을 구할 수 있었을 것입니다. 그러나 두 값 사이에는 직접적인 함수적 종속성이 존재하지 않습니다. 대신, 두 메트릭 모두 계산을 위해 \(\mathbf{x}^{l}\)에 의존한다는 공통점을 활용하여 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\), CnstScore\((\mathbf{x}^{l})\), \(\mathbf{x}^{l}\)에 대한 EntRec\((\mathbf{x}^{l})\[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]We would have been able to use differential calculus to obtain the answer by calculating the direction of change if CnstScore\((\tau_{\text{2H}},\tau_{\text{1H}})\) were directly dependent on EntRec\({}^{l}(e_{2},\tau_{\text{2H}})\). However, there exists no direct functional dependency between the two values. Instead, we leverage the shared reliance of both metrics on \(\mathbf{x}^{l}\) for computation where \(l\in[0,L-1)\),3 redefining them as EntRec\((\mathbf{x}^{l})\) and CnstScore\((\mathbf{x}^{l})\) relative to \(\mathbf{x}^{l}\). This reparameterization allows us to change the question to: if EntRec\((\mathbf{x}^{l})\) is increased by altering \(\mathbf{x}^{l}\), does CnstScore\((\mathbf{x}^{l})\) also increase? [|assistant|]

여기에서는 GPT-4가 reflection tokens을 수집하도록 prompt하는 데 사용된 instructions과 demonstrations을 보여줍니다. 표 8은 초기 retrieval token에 대한 instructions과 demonstrations을 보여줍니다. 표 9는 주어진 instruction, 앞 문장 및 이전에 retrieval된 구절에 대한 three-way output tokens을 수집하는 데 사용된 instructions과 demonstrations을 보여줍니다. demonstration과 테스트 입력이 더 길기 때문에 단일 demonstration만 사용합니다. 표 10은 [1.1]에 대한 three-way output tokens을 수집하는 데 사용되는 instruction과 demonstrations을 보여줍니다. 표 11은 [1.1]에 대한 three-way output tokens을 수집하는 데 사용되는 instruction과 demonstrations을 보여줍니다. 표 12는 [1.1]에 대한 five-way output tokens을 수집하는 데 사용되는 instruction과 demonstrations을 보여줍니다.[|endofturn|]

여기에서는 GPT-4가 반사 토큰을 수집하도록 프롬프트하는 데 사용된 지침과 데모를 보여줍니다. 표 8은 초기 검색 토큰에 대한 지침과 데모를 보여줍니다. 표 9는 주어진 지침, 앞 문장 및 이전에 검색된 구절에 대한 3자리 출력 토큰을 수집하는 데 사용된 지침과 데모를 보여줍니다. 데모와 테스트 입력이 더 길기 때문에 단일 데모만 사용합니다. 표 10은 [1.1]에 대한 3자리 출력 토큰을 수집하는 데 사용되는 지침과 데모를 보여줍니다. 표 11은 [1.1]에 대한 3자리 출력 토큰을 수집하는 데 사용되는 지침과 데모를 보여줍니다. 표 12는 [1.1]에 대한 5자리 출력 토큰을 수집하는 데 사용되는 지침과 데모를 보여줍니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Here, we show the instructions and demonstrations used to prompt GPT-4 to collect reflection tokens. Table 8 shows the instructions and demonstrations for the initial retrieval token. Table 9 shows the instruction and demonstrations used to collect the three-way output tokens for [1.1] given instruction, preceding sentences, and previously retrieved passages. Due to the longer demonstration and test input, we only use a single demonstration. Table 10 shows an instruction and demonstrations used to collect the three-way output tokens for [1.1]. Table 11 shows an instruction and demonstrations used to collect the three-way output tokens for [1.1]. Table 12 shows an instruction and demonstrations used to collect the five-way output tokens for [1.1]. [|assistant|]

인간은 주어진 전제에서 결론을 추론하는 연역적 추론 능력을 가지고 있습니다(예: \(r_{1}(e_{1})=e_{2}\)라는 전제와 \(r_{2}(e_{2})=e_{3}\)라는 다른 전제가 주어졌을 때 \(r_{2}(r_{1}(e_{1}))=e_{3}\)를 추론하는 것). 이러한 multi-hop reasoning[20, 21]에는 bridge entity(예: "미신"의 가수가 스티비 원더라는 것)를 식별하고 이를 사용하여 최종 답(예: 스티비 원더의 어머니가 룰라라는 것)을 푸는 과정이 포함됩니다.[|endofturn|]

인간은 주어진 전제에서 결론을 추론하는 연역적 추론 능력을 가지고 있습니다(예: r_{1}(e_{1})=e_{2}\)라는 전제와 \(r_{2}(e_{2})=e_{3}\)라는 다른 전제가 주어졌을 때 \(r_{2}(r_{1}(e_{1}))=e_{3}\)를 추론하는 것). 이러한 다중 홉 추론[20, 21]에는 브리지 엔티티(예: "미신"의 가수가 스티비 원더라는 것)를 식별하고 이를 사용하여 최종 답(예: 스티비 원더의 어머니가 룰라라는 것)을 푸는 과정이 포함됩니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Humans possess the deductive reasoning ability to infer conclusions from given premises, such as deducing that \(r_{2}(r_{1}(e_{1}))=e_{3}\) given a premise stating that \(r_{1}(e_{1})=e_{2}\) and another premise stating that \(r_{2}(e_{2})=e_{3}\). This multi-hop reasoning [20, 21] involves identifying the bridge entity (e.g., that "the singer of 'Superstition'" is Stevie Wonder) and using it to solve for the final answer (e.g., that Stevie Wonder's mother is Lula). [|assistant|]

복잡성과 예측 불가능성AI 시스템은 엄청나게 많은 잠재적 입력을 받아들이고 엄청나게 많은 잠재적 출력을 반환할 수 있습니다. 예를 들어, 대부분의 LMs에는 현재 4,000개의 토큰이라는 컨텍스트 창이 있으며, 경우에 따라서는 최대 200,000개 이상의 토큰이 있습니다(일반적으로 텍스트의 150페이지 이상). 모델은 조정 가능한 파라미터가 수십억 개에 달하며, 각 파라미터는 모델의 전반적인 동작에 어려운 추론이 필요한 영향을 미칩니다. 또한 하이퍼파라미터를 설정하여 모델의 출력을 보다 결정론적으로 만들더라도(예: 낮은 온도 설정), 모델의 응답은 여전히 확률적이며 입력에 따라 달라집니다. 이는 추상적인 개념에 대한 추론이나 새로운 콘텐츠 생성과 같은 창의적인 hallucination과 창발적 행동을 가능하게 하기 때문에 큰 강점이 될 수 있습니다. 그러나 이는 동작을 예측하고 응답 중 안전하지 않은 응답이 없는지 확인하기 어렵게 만듭니다.[|endofturn|]

복잡성과 예측 불가능성AI 시스템은 엄청나게 많은 잠재적 입력을 받아들이고 엄청나게 많은 잠재적 출력을 반환할 수 있습니다. 예를 들어, 대부분의 LM에는 현재 4,000개의 토큰이라는 컨텍스트 창이 있으며, 경우에 따라서는 최대 200,000개 이상의 토큰이 있습니다(일반적으로 텍스트의 150페이지 이상). 모델은 조정 가능한 파라미터가 수십억 개에 달하며, 각 파라미터는 모델의 전반적인 동작에 어려운 추론이 필요한 영향을 미칩니다. 또한 하이퍼파라미터를 설정하여 모델의 출력을 보다 결정론적으로 만들더라도(예: 낮은 온도 설정), 모델의 응답은 여전히 확률적이며 입력에 따라 달라집니다. 이는 추상적인 개념에 대한 추론이나 새로운 콘텐츠 생성과 같은 창의적인 환각과 창발적 행동을 가능하게 하기 때문에 큰 강점이 될 수 있습니다.25 그러나 이는 동작을 예측하고 응답 중 안전하지 않은 응답이 없는지 확인하기 어렵게 만듭니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Complexity and unpredictabilityAI systems can accept a huge number of potential inputs and return a vast number of potential outputs. For instance, most LMs now have context windows of 4,000 tokens, and in some cases up to 200,000 or more--which is typically \(150+\) pages of text. Models often consist of billions of tunable parameters, each of which exerts some difficult-to-reason-about impact on the model's overall behavior. Furthermore, even when hyperparameters are set so that models' output is more deterministic (e.g., setting a low temperature), model responses are still probabilistic and conditioned on inputs. This can be a great strength as it allows for creative hallucinations and emergent behavior, such as reasoning about abstract concepts or creating novel content.25 However, it also makes it difficult to predict their behavior and ensure that none of their responses are unsafe. [|assistant|]

**Prompt:** 수학 문제와 해결책이 주어지면 먼저 해결책을 여러 단계로 나누고 각 단계가 올바른지 판단하고 총 정답 단계를 세어야 합니다.[|endofturn|]

**프롬프트:** 수학 문제와 해결책이 주어지면 먼저 해결책을 여러 단계로 나누고 각 단계가 올바른지 판단하고 총 정답 단계를 세어야 합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**Prompt:** You are given a math problem and a solution, you should first split the solution into multi steps and judge if each step is correct and count the total correct steps. [|assistant|]

# 출력 [55]에 명시된 바와 같이, In-Context Learning (ICL)은 작업 설명 및/또는 몇 가지 작업 예제를 데모로 구성된 형식화된 자연어 프롬프트를 사용합니다. 그림 14는 ICL의 예시를 보여줍니다. 먼저 작업 설명부터 시작하여 작업 데이터 세트에서 몇 가지 예제를 데모로 선택합니다. 그런 다음 특별히 설계된 템플릿을 사용하여 자연어 프롬프트를 형성하기 위해 특정 순서로 결합합니다. 마지막으로 테스트 인스턴스를 데모에 추가하여 Large Language Models (LLMs)이 출력을 생성할 수 있도록 입력합니다. 작업 데모를 기반으로 LLMs은 명시적인 그라디언트 업데이트 없이도 새로운 작업을 인식하고 수행할 수 있습니다.[|endofturn|]

[55]에 명시된 바와 같이, ICL은 작업 설명 및/또는 몇 가지 작업 예제를 데모로 구성된 형식화된 자연어 프롬프트를 사용합니다. 그림 14는 ICL의 예시를 보여줍니다. 먼저 작업 설명부터 시작하여 작업 데이터 세트에서 몇 가지 예제를 데모로 선택합니다. 그런 다음 특별히 설계된 템플릿을 사용하여 자연어 프롬프트를 형성하기 위해 특정 순서로 결합합니다. 마지막으로 테스트 인스턴스를 데모에 추가하여 LLM이 출력을 생성할 수 있도록 입력합니다. 작업 데모를 기반으로 LLM은 명시적인 그라디언트 업데이트 없이도 새로운 작업을 인식하고 수행할 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]As stated in [55], ICL uses a formatted natural language prompt, consisting of the task description and/or a few task examples as demonstrations. Figure 14 presents an illustration of ICL. First, starting with a task description, a few examples are selected from the task dataset as demonstrations. Then, they are combined in a specific order to form natural language prompts with specially designed templates. Finally, the test instance is appended to the demonstration as the input for LLMs to generate the output. Based on task demonstrations, LLMs can recognize and perform a new task without explicit gradient update. [|assistant|]

기존의 중국어 출력. 또한, 지속적인 pre-training 후에도 모델의 지식은 주로 영향을 받지 않지만 신뢰도는 떨어진다.[|endofturn|]

기존의 중국어 출력. 또한, 지속적인 사전 학습 후에도 모델의 지식은 주로 영향을 받지 않지만 신뢰도는 떨어진다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Traditional Chinese outputs. Moreover, after continual pre-training, the model's knowledge remains unaffected mainly; however, its reliability declines. [|assistant|]

**Closed-book QA:** 사전 학습된 지식만을 기반으로 현실 세계에 대한 질문에 답합니다. 영어의 경우 TriviaQA [23]를 사용합니다. 중국어의 경우, TriviaQA 형식에 따라 NLPCC-KBQA [10] 데이터 세트를 기반으로 Closed-book QA 데이터 세트를 구축합니다.[|endofturn|]

**폐쇄형 QA:** 사전 학습된 지식만을 기반으로 현실 세계에 대한 질문에 답합니다. 영어의 경우 TriviaQA [23]를 사용합니다. 중국어의 경우, TriviaQA 형식에 따라 NLPCC-KBQA [10] 데이터 세트를 기반으로 폐쇄형 QA 데이터 세트를 구축합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**Closed-book QA:** Answering questions about the real world based solely on the pretrained knowledge. We use TriviaQA [23] for English. For Chinese, we build a closed-book QA dataset based on NLPCC-KBQA [10] dataset following the TriviaQA format. [|assistant|]

**10% Steps are Enough.** 두 단계 훈련 관점에서, decay 단계를 짧게 하면 안정적인 훈련의 다양한 모델 체크포인트를 빠르게 테스트하는 데 큰 도움이 됩니다. 따라서 동일한 안정적인 훈련 체크포인트에서 시작하여 decay 단계가 다른 실험을 수행합니다. 또한 그림 5에서 볼 수 있듯이 40N, 60N, 80N 훈련 데이터의 세 가지 안정적인 훈련 체크포인트 모두에서 전체 토큰의 10%의 decay만으로도 최상의 결과를 얻을 수 있으며, 전체 토큰의 2.5%의 decay는 부족합니다. 따라서 후속 훈련 실험에서는 완전한 수렴을 보장하기 위해 약 10%의 decay를 사용합니다.[|endofturn|]

**10% 단계가 충분합니다.** 두 단계 훈련 관점에서, 쇠퇴 단계를 짧게 하면 안정적인 훈련의 다양한 모델 체크포인트를 빠르게 테스트하는 데 큰 도움이 됩니다. 따라서 동일한 안정적인 훈련 체크포인트에서 시작하여 쇠퇴 단계가 다른 실험을 수행합니다. 또한 그림 5에서 볼 수 있듯이 40N, 60N, 80N 훈련 데이터의 세 가지 안정적인 훈련 체크포인트 모두에서 전체 토큰의 10%의 감소만으로도 최상의 결과를 얻을 수 있으며, 전체 토큰의 2.5%의 감소는 부족합니다. 따라서 후속 훈련 실험에서는 완전한 수렴을 보장하기 위해 약 10%의 감소를 사용합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**10% Steps are Enough.** From the two stage training perspective, shortening the decay stage will greatly benefit the fast test of different model checkpoints of stable training. Therefore, we conduct experiments that start from the same stable training checkpoints and have different decay steps. Also shown in Figure 5, among all three stable training checkpoints in 40N, 60N, and 80N training data, having a decay of 10% of the total tokens is sufficient to achieve the best results, while a decay of 2.5% of total tokens falls short. Therefore, in the subsequent training experiments, we use a decay of about 10% to ensure full convergence. [|assistant|]

(1) Relevance: 모델이 문맥과 질문의 의미론적 의미를 올바르게 해석하는 능력을 평가합니다.[|endofturn|]

(1) 관련성: 모델이 문맥과 질문의 의미론적 의미를 올바르게 해석하는 능력을 평가합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|](1) Relevance: Assessing the model's ability to correctly interpret the semantic meaning of the context and questions. [|assistant|]

데이터 읽기. CommonCrawl은 WARC(원시 HTML 응답) 또는 WET 파일(일반 텍스트만 포함하도록 사전 처리된)로 제공됩니다. 개별 파일은 특정 URL의 페이지에 해당하며, 이는 단일 문서/샘플에 해당합니다. WET 파일을 사용하면 HTML 추출을 직접 실행할 필요가 없지만, 이전 연구(Gao et al., 2020; Rae et al., 2021)에 따르면 WET 파일에 바람직하지 않은 탐색 메뉴, 광고 및 기타 관련 없는 텍스트가 포함되어 있는 것으로 나타났습니다. 따라서 파이프라인은 wavcio 라이브러리로 읽은 원시 WARC 파일에서 시작됩니다.[|endofturn|]

데이터 읽기.CommonCrawl은 WARC(원시 HTML 응답) 또는 WET 파일(일반 텍스트만 포함하도록 사전 처리된)로 제공됩니다. 개별 파일은 특정 URL의 페이지에 해당하며, 이는 단일 문서/샘플에 해당합니다. WET 파일을 사용하면 HTML 추출을 직접 실행할 필요가 없지만, 이전 연구(Gao et al., 2020; Rae et al., 2021)에 따르면 WET 파일에 바람직하지 않은 탐색 메뉴, 광고 및 기타 관련 없는 텍스트가 포함되어 있는 것으로 나타났습니다. 따라서 파이프라인은 wavcio 라이브러리로 읽은 원시 WARC 파일에서 시작됩니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Reading the data.CommonCrawl is available in either WARC (raw HTML response), or WET files (preprocessed to only include plain text). Individual files correspond to a page at a given URL; these constitute single documents/samples. Working with WET files would spare us from running our own HTML extraction; however, in line with previous works (Gao et al., 2020; Rae et al., 2021), we found WET files to include undesirable navigation menus, ads, and other irrelevant texts. Accordingly, our pipeline starts from raw WARC files, read with the wavcio library. [|assistant|]

# 출력 Google 연구원들이 발표한 논문 "Chain-of-Thought Prompting Elicits Reasoning in Large Language Models"[34]에서 처음 설명한 Chain of Thought (CoT) 기법은 Large Language Models (LLMs)을 위한 prompt engineering의 중추적인 발전을 나타냅니다. 이 접근 방식은 토큰 예측에 능숙하지만 명시적인 추론을 위해 고안된 것이 아니라는 점을 이해하는 데 기반합니다. CoT는 이를 해결하기 위해 모델을 필수적인 추론 단계로 안내합니다.[|endofturn|]

Google 연구원들이 발표한 논문 "사고의 사슬 프롬프트가 대규모 언어 모델에 추론을 이끌어낸다"[34]에서 처음 설명한 사고의 사슬(CoT) 기법은 대규모 언어 모델(LLM)을 위한 프롬프트 엔지니어링의 중추적인 발전을 나타냅니다. 이 접근 방식은 토큰 예측에 능숙하지만 명시적인 추론을 위해 고안된 것이 아니라는 점을 이해하는 데 기반합니다. CoT는 이를 해결하기 위해 모델을 필수적인 추론 단계로 안내합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]The Chain of Thought (CoT) technique, initially described in the paper "Chain-of-Thought Prompting Elicits Reasoning in Large Language Models"[34] by Google researchers, represents a pivotal advancement in prompt engineering for Large Language Models (LLMs). This approach hinges on the understanding that LLMs, while proficient in token prediction, are not inherently designed for explicit reasoning. CoT addresses this by guiding the model through essential reasoning steps. [|assistant|]

사전 학습된 언어 모델은 다음과 같이 Supervised Fine-Tuning (SFT)을 통해 특정 다운스트림 작업에 맞게 개선되는 경우가 많습니다:[|endofturn|]

사전 학습된 언어 모델은 다음과 같이 지도 미세 조정(SFT)을 통해 특정 다운스트림 작업에 맞게 개선되는 경우가 많습니다:[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]The pre-trained language model is often enhanced for specific downstream tasks through Supervised Fine-Tuning (SFT) as follows: [|assistant|]

소스 모델일본어로 수학 문제를 풀 수 있는 모델을 개발하기 위해 일본어 LLM과 수학 LLM이 포함된 소스 모델 세트에 진화 모델 병합을 적용합니다: shisa-gamma-7b-v1 [3](일본어 LLM), WizardMath-7B-V1.1 [33] 및 Abel-7B-002 [6]. 이 모든 모델은 Mistral-7B-v0.1 [22]에서 Fine-tuning됩니다.[|endofturn|]

소스 모델일본어로 수학 문제를 풀 수 있는 모델을 개발하기 위해 일본어 LLM과 수학 LLM이 포함된 소스 모델 세트에 진화 모델 병합을 적용합니다: shisa-gamma-7b-v1 [3](일본어 LLM), WizardMath-7B-V1.1 [33] 및 Abel-7B-002 [6]. 이 모든 모델은 Mistral-7B-v0.1 [22]에서 미세 조정됩니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Source ModelsTo develop a model capable of solving math problems in Japanese, we apply evolutionary model merge on a set of source models containing a Japanese LLM and Math LLMs: shisa-gamma-7b-v1 [3] (Japanese LLM), WizardMath-7B-V1.1 [33] and Abel-7B-002 [6]. All these models are fine-tuned from Mistral-7B-v0.1 [22]. [|assistant|]

요약을 클레임으로 분해하기:장문 요약의 충실도 평가에 대한 선행 연구(Krishna et al., 2023; Min et al., 2023; Wei et al., 2024)에 따라 요약을 _원자적 주장_으로 분해하여 세분화된 주석을 가능하게 합니다. 두 가지 주요 Instruction을 통해 LLM(GPT-4)에 프롬프트를 보냅니다: (1) 각 원자적 주장은 요약의 추가 컨텍스트(예: 대명사 해결) 없이도 그 자체로 완전히 이해할 수 있어야 하며, (2) 가능하면 각 주장이 관련 시간적, 위치적, 인과적 맥락 내에 위치해야 합니다. 추출된 100개의 주장 샘플에 대한 저자의 인간 검증 결과 정확도가 100%(즉, 각 주장은 추가 또는 잘못된 정보 없이 요약에서 추적할 수 있음)로 나타났습니다. 요약과 추출된 주장의 예는 그림 2를 참조하시고, 정확한 프롬프트는 SB를 참조하시기 바랍니다.[|endofturn|]

요약을 클레임으로 분해하기:장문 요약의 충실도 평가에 대한 선행 연구(Krishna et al., 2023; Min et al., 2023; Wei et al., 2024)에 따라 요약을 _원자적 주장_으로 분해하여 세분화된 주석을 가능하게 합니다. 두 가지 주요 지침을 통해 LLM(GPT-4)에 프롬프트를 보냅니다: (1) 각 원자적 주장은 요약의 추가 컨텍스트(예: 대명사 해결) 없이도 그 자체로 완전히 이해할 수 있어야 하며, (2) 가능하면 각 주장이 관련 시간적, 위치적, 인과적 맥락 내에 위치해야 합니다. 추출된 100개의 주장 샘플에 대한 저자의 인간 검증 결과 정확도가 100%(즉, 각 주장은 추가 또는 잘못된 정보 없이 요약에서 추적할 수 있음)로 나타났습니다. 요약과 추출된 주장의 예는 그림 2를 참조하시고, 정확한 프롬프트는 SB를 참조하시기 바랍니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Decomposing summaries into claims:Following prior works on evaluating long-form summary faithfulness (Krishna et al., 2023; Min et al., 2023; Wei et al., 2024), we decompose our summaries into _atomic claims_ to enable fine-grained annotation. We prompt an LLM (GPT-4) with two primary instructions: (1) each atomic claim must be fully understandable on its own without requiring additional context from the summary (e.g., resolved pronouns), and (2) whenever possible, each claim should be situated within its relevant temporal, locational, and causal context. Human validation by the authors of a random sample of 100 extracted claims demonstrated 100% precision (i.e., each claim can be traced to the summary without any extra or incorrect information). See Figure 2 for example of summary and its extracted claims; see SB for exact prompt. [|assistant|]

**LM-guided CoT 성능.** 표 2는 우리 방법의 성능을 종합적으로 분석한 표입니다. 또한 여러 추론 경로를 샘플링한 다음 가장 최적의 근거를 순위 매기는 접근 방식의 확장을 살펴봅니다. KD만 사용한 우리의 방법은 HotpotQA의 경우 2%, 2WikiMultiHopQA의 경우 10%로 각각 원래의 CoT prompting보다 성능이 뛰어납니다. 그림 2는 모든 prompting 기법의 각각의 근거 품질을 보여주며, 답변 예측과 근거 품질을 모두 향상시키는 우리 방법의 효과를 강조합니다. 긴 문맥이 있는 질문에 대해 원래의 CoT prompting을 사용하는 경우, 모델은 제공된 문맥에서 문장을 재활용하는 경우가 많으며 질문에 대한 결정적인 답변을 제공하는 데 어려움을 겪습니다. 이러한 추세는 우리의 접근 방식에 의해 완화되어 오류율이 크게 감소했습니다. 또한 CoT prompting + SC의 성능을 능가하며 EM 및 F1 측면에서 표준 prompting과 동등합니다. 답변 포함 점수의 경우 LM-guided CoT prompting이 표준 prompting보다 약간 높습니다(1~2%). 또한 LM-guided CoT prompting + SC는 모든 설정에서 가장 높은 성능을 달성합니다.[|endofturn|]

**LM 가이드 CoT 성능.** 표 2는 우리 방법의 성능을 종합적으로 분석한 표입니다. 또한 여러 추론 경로를 샘플링한 다음 가장 최적의 근거를 순위 매기는 접근 방식의 확장을 살펴봅니다. KD만 사용한 우리의 방법은 HotpotQA의 경우 2%, 2WikiMultiHopQA의 경우 10%로 각각 원래의 CoT 프롬프트보다 성능이 뛰어납니다. 그림 2는 모든 프롬프트 기법의 각각의 근거 품질을 보여주며, 답변 예측과 근거 품질을 모두 향상시키는 우리 방법의 효과를 강조합니다. 긴 문맥이 있는 질문에 대해 원래의 CoT 프롬프트를 사용하는 경우, 모델은 제공된 문맥에서 문장을 재활용하는 경우가 많으며 질문에 대한 결정적인 답변을 제공하는 데 어려움을 겪습니다. 이러한 추세는 우리의 접근 방식에 의해 완화되어 오류율이 크게 감소했습니다. 또한 CoT 프롬프트 + SC의 성능을 능가하며 EM 및 F1 측면에서 표준 프롬프트와 동등합니다. 답변 포함 점수의 경우 LM 가이드 CoT 프롬프트가 표준 프롬프트보다 약간 높습니다(1~2%). 또한 LM 가이드 CoT 프롬프트 + SC는 모든 설정에서 가장 높은 성능을 달성합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**LM-guided CoT Performance.** Table 2 shows a comprehensive breakdown of our method's performance. Additionally, we explore an extension of our approach, which involves sampling multiple reasoning paths and subsequently ranking the most optimal rationales. Our method with only KD outperforms the original CoT prompting with 2% gain for HotpotQA and 10% for 2WikiMultiHopQA, respectively. Figure 2 illustrates the respective rationale qualities of all prompting techniques, reinforcing the effectiveness of our method in enhancing both answer prediction and rationale qualities. When employing the original CoT prompting for questions with lengthy contexts, models frequently recycle sentences from the provided context and struggle to deliver a conclusive answer to the question. This trend is mitigated by our approach, resulting in a significant decrease in error rates. It also surpasses the performance of CoT prompting + SC and is on par with standard prompting in terms of EM and F1. For the answer inclusion score, LM-guided CoT prompting is slightly higher (1-2%) than standard prompting. Furthermore, LM-guided CoT prompting + SC achieves the highest performance across all settings. [|assistant|]

**CPO Loss Components** CPO Loss function은 선호도 학습을 위한 \(\mathcal{L}_{\text{prefer}}\)와 모델이 선호하는 데이터 분포에서 크게 벗어나지 않도록 하는 \(\mathcal{L}_{\text{NLL}}\)의 두 가지 구성 요소로 구성됩니다. 각 항의 중요성을 설명하기 위해 모델을 구성 요소 중 하나만으로만 다시 훈련합니다. 중요한 점은 \(\mathcal{L}_{\text{NLL}}\)만으로 훈련하는 것은 선호 데이터에 대한 Supervised Fine-tuning (SFT)의 기본 시나리오와 같다는 것입니다. 그림 4의 왼쪽에 표시된 것처럼 두 항을 모두 포함하면 최적의 성능을 얻을 수 있지만, 어느 하나라도 누락하면 성능이 저하됩니다.[|endofturn|]

**CPO 손실 구성 요소** CPO 손실 함수는 선호도 학습을 위한 \(\mathcal{L}_{\text{prefer}}\)와 모델이 선호하는 데이터 분포에서 크게 벗어나지 않도록 하는 \(\mathcal{L}_{\text{NLL}}\)의 두 가지 구성 요소로 구성됩니다. 각 항의 중요성을 설명하기 위해 모델을 구성 요소 중 하나만으로만 다시 훈련합니다. 중요한 점은 \(\mathcal{L}_{\text{NLL}}\)만으로 훈련하는 것은 선호 데이터에 대한 SFT의 기본 시나리오와 같다는 것입니다. 그림 4의 왼쪽에 표시된 것처럼 두 항을 모두 포함하면 최적의 성능을 얻을 수 있지만, 어느 하나라도 누락하면 성능이 저하됩니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**CPO Loss Components** The CPO loss function consists of two components: \(\mathcal{L}_{\text{prefer}}\) for preference learning, and \(\mathcal{L}_{\text{NLL}}\), which ensures the model does not deviate significantly from the preferred data distribution. To illustrate the significance of each term, we re-train the model exclusively with one of the components. It is important to note that training solely with \(\mathcal{L}_{\text{NLL}}\) equates to the baseline scenario of SFT on preferred data. As depicted in the left of Figure 4, the inclusion of both terms yields the optimal performance, while the absence of either leads to a decrease in performance. [|assistant|]

URL filtering은 사용자에게 해로울 수 있거나 대부분의 경우 비정형 텍스트/스팸을 포함할 가능성이 높은(예: 파일 호스팅 웹사이트) 성인 콘텐츠와 관련된 도메인을 찾는 데 중점을 둡니다. 먼저, 부록 G.1.1에 자세히 설명된 460만 개의 도메인 목록을 수집하여 명시적으로 차단한 다음, URL의 하위 단어와 큐레이션한 단어 목록(부록 G.1.2 참조)을 일치시키는 간단한 URL scoring 시스템을 구축했습니다. 이 단어 목록은 수동 검사를 기반으로 큐레이션했으며, 독성 측면에서 이상값으로 밝혀진 페이지와의 결과를 ToxicBERT와 교차 참조하여 큐레이션했습니다(Hanu 및 Unitary 팀, 2020).[|endofturn|]

URL 필터링은 사용자에게 해로울 수 있거나 대부분의 경우 비정형 텍스트/스팸을 포함할 가능성이 높은(예: 파일 호스팅 웹사이트) 성인 콘텐츠와 관련된 도메인을 찾는 데 중점을 둡니다. 먼저, 부록 G.1.1에 자세히 설명된 460만 개의 도메인 목록을 수집하여 명시적으로 차단한 다음, URL의 하위 단어와 큐레이션한 단어 목록(부록 G.1.2 참조)을 일치시키는 간단한 URL 점수 시스템을 구축했습니다. 이 단어 목록은 수동 검사를 기반으로 큐레이션했으며, 독성 측면에서 이상값으로 밝혀진 페이지와의 결과를 ToxicBERT와 교차 참조하여 큐레이션했습니다(Hanu 및 Unitary 팀, 2020).[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Our URL filtering focuses on finding domains that are related to adult content, that may be harmful to users, or that are very likely to contain mostly unstructured text/spam (e.g., file hosting websites). First, we aggregated a list of 4.6M domains, detailed in Appendix G.1.1, that we explicitly ban; then, we built a simple URL scoring system, based on matching subwords in the URL against a list of words we curated (see Appendix G.1.2). We curated this list of words based on manual inspection, cross-referencing results with pages surfaced by ToxicBERT as being outliers in toxicity (Hanu and Unitary team, 2020). [|assistant|]

**안정적인 훈련 단계.** 약 1T 데이터(데이터 분포는 섹션 11 참조)를 활용하며, 대부분의 데이터는 오픈 데이터 세트에서 가져옵니다. 모델 윈드 터널 실험에서 발견된 최적의 구성인 WSD LRS를 사용하며, Batch Size는 393만 개, 최대 Learning Rate는 0.01입니다.[|endofturn|]

**안정적인 훈련 단계.** 약 1T 데이터(데이터 분포는 섹션 11 참조)를 활용하며, 대부분의 데이터는 오픈 데이터 세트에서 가져옵니다. 모델 윈드 터널 실험에서 발견된 최적의 구성인 WSD LRS를 사용하며, 배치 크기는 393만 개, 최대 학습 속도는 0.01입니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**Stable Training Stage.** We utilize around 1T data (see Section 11 for data distribution), with the majority of the data sourced from open datasets. We use the optimal configuration discovered during the model wind tunnel experiments, WSD LRS, with a batch size of 3.93 million and a max learning rate of 0.01. [|assistant|]

**Scraping**. 예측 플랫폼에서 데이터 집합을 컴파일하기 위해 API를 쿼리하거나 질문의 웹페이지를 scraping하여 초기 데이터 수집을 수행합니다. Metaculus의 경우 먼저 API를 통해 기본 정보를 추출하고 웹페이지에서 해상도 기준을 scraping합니다. INFER(CSET)와 Good Judgment Open 데이터는 웹 scraping을 통해 수집되며, 필요한 전체 데이터를 제공하는 API가 없기 때문입니다. 커뮤니티 예측을 제외한 Polymarket의 데이터는 API를 통해 얻습니다. Manifold의 데이터는 API를 통해 완전히 scraping됩니다.[|endofturn|]

**스크래핑**. 예측 플랫폼에서 데이터 집합을 컴파일하기 위해 API를 쿼리하거나 질문의 웹페이지를 스크래핑하여 초기 데이터 수집을 수행합니다. 메타쿨러스의 경우 먼저 API를 통해 기본 정보를 추출하고 웹페이지에서 해상도 기준을 스크래핑합니다. INFER(CSET)와 Good Judgment Open 데이터는 웹 스크래핑을 통해 수집되며, 필요한 전체 데이터를 제공하는 API가 없기 때문입니다. 커뮤니티 예측을 제외한 폴리마켓의 데이터는 API를 통해 얻습니다. 매니폴드의 데이터는 API를 통해 완전히 스크래핑됩니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**Scraping.** To compile our dataset from the forecasting platforms, we query their APIs or scrape the questions' webpages for initial data gathering. For Metaculus, we first extract basic information via the API and scrape the resolution criteria from webpage. INFER (CSET) and Good Judgment Open data are gathered via web scraping, since no API provides the full data we need. Polymarket's data, except for community predictions, is obtained from their API. Manifold's data is fully scraped via API. [|assistant|]

기계 번역 작업에서 대상 참조의 중요성은 매우 중요합니다. 기계 번역 작업에 대한 모델 학습 패러다임은 일반적으로 예측된 출력과 gold reference 간의 차이를 최소화하도록 정의된 loss를 사용하여 모델을 최적화하기 때문에 참조의 품질에 크게 의존합니다. 데이터 세트 \(\mathcal{D}\), 소스 문장 \(x\)와 그에 해당하는 대상 문장(gold reference) \(y\)의 쌍으로 구성되며, \(\mathcal{D}=\left\{x^{(i)},y^{(i)}\right\}_{i=1}^{N}\), 여기서 \(N\)은 총 병렬 문장 수입니다.[|endofturn|]

기계 번역 작업에서 대상 참조의 중요성은 매우 중요합니다. 기계 번역 작업에 대한 모델 학습 패러다임은 일반적으로 예측된 출력과 골드 참조 간의 차이를 최소화하도록 정의된 손실을 사용하여 모델을 최적화하기 때문에 참조의 품질에 크게 의존합니다. 데이터 세트 \mathcal{D}\), 소스 문장 \(x\)와 그에 해당하는 대상 문장(골드 참조) \(y\)의 쌍으로 구성되며, \(\mathcal{D}=\left\{x^{(i)},y^{(i)}\right\}_{i=1}^{N}\), 여기서 \(N\)은 총 병렬 문장 수입니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]The significance of target references is paramount in machine translation tasks. The paradigm of training models on the machine translation task heavily relies on the quality of the references since the model is commonly optimized using a loss that is defined to minimize the difference between the predicted outputs and gold reference. Consider a dataset \(\mathcal{D}\), comprising pairs of source sentences \(x\) and their corresponding target sentences (gold references) \(y\), represented as \(\mathcal{D}=\left\{x^{(i)},y^{(i)}\right\}_{i=1}^{N}\), where \(N\) is the total number of parallel sentences. [|assistant|]

모델별 분석. 추론 유형과 추론-주장 관계에 대한 모델별 결과는 표 18과 표 19에 보고한다.[|endofturn|]

모델별 분석추론 유형과 추론-주장 관계에 대한 모델별 결과는 표 18과 표 19에 보고한다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Model-wise analysisWe report model-wise results on reasoning type and reasoning-claim relationship in Table 18 and Table 19. [|assistant|]

\(\bullet\)_유용성._ 유용성을 위해 LLM은 가능한 한 간결하고 효율적인 방식으로 사용자의 작업 해결이나 질문에 대한 답변을 지원하려는 노력을 명확하게 보여줘야 합니다. 더 자세한 설명이 필요한 경우, LLM은 적절한 질문을 통해 추가 관련 정보를 이끌어내는 기능을 보여주어야 하며, 적절한 수준의 감수성, 통찰력, 신중함을 보여줘야 합니다[368]. 유용한 행동의 alignment를 실현하는 것은 사용자의 의도를 정확하게 정의하고 측정하기 어렵기 때문에 LLM에 어려운 과제입니다[366].[|endofturn|]

\(\bullet\)_유용성._ 유용성을 위해 LLM은 가능한 한 간결하고 효율적인 방식으로 사용자의 작업 해결이나 질문에 대한 답변을 지원하려는 노력을 명확하게 보여줘야 합니다. 더 자세한 설명이 필요한 경우, LLM은 적절한 질문을 통해 추가 관련 정보를 이끌어내는 기능을 보여주어야 하며, 적절한 수준의 감수성, 통찰력, 신중함을 보여줘야 합니다[368]. 유용한 행동의 정렬을 실현하는 것은 사용자의 의도를 정확하게 정의하고 측정하기 어렵기 때문에 LLM에 어려운 과제입니다[366].[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]\(\bullet\)_Helpfulness._ To be helpful, the LLM should demonstrate a clear attempt to assist users in solving their tasks or answering questions in a concise and efficient manner as possible. At a higher level, when further clarification is needed, the LLM should demonstrate the capability of eliciting additional relevant information through pertinent inquiries and exhibit suitable levels of sensitivity, perceptiveness, and prudence [368]. Realizing the alignment of helpful behavior is challenging for LLMs since it is difficult to precisely define and measure the intention of users [366]. [|assistant|]

\begin{table} \begin{tabular}{c c c} \hline \hline 모델 크기 & NameToDescription & DescriptionToName \\ \hline 350M & 100 & 96.67 \\ 1.3B & 100 & 100 \\ 6.7B & 100 & 100 \\ 175B & 100 & 100 \\ \hline \hline \end{tabular} \end{table} 표 5: 실험 1: 3e-3의 GPT-3에 대한 In-context 정확도 및 Batch Size 32. 토큰화된 문구 "다프네 배링턴은 가상 현실 걸작인 '시간을 통한 여행'의 감독을 맡은 인정받는 감독입니다."의 변형으로 소프트 프롬프트를 초기화합니다. 10개의 무작위 시드에 걸쳐 결과를 평균화합니다.[|endofturn|]

\begin{table} \begin{tabular}{c c c} \hline \hline 모델 크기 & NameToDescription & DescriptionToName \\ \hline 350M & 100 & 96.67 \\ 1.3B & 100 & 100 \\ 6.7B & 100 & 100 \\ 175B & 100 & 100 \\ \hline \hline \end{tabular} \end{table} 표 5: 실험 1: 3e-3의 GPT-3에 대한 컨텍스트 내 정확도 및 배치 크기 32. 토큰화된 문구 "다프네 배링턴은 가상 현실 걸작인 '시간을 통한 여행'의 감독을 맡은 인정받는 감독입니다."의 변형으로 소프트 프롬프트를 초기화합니다. 10개의 무작위 시드에 걸쳐 결과를 평균화합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]\begin{table} \begin{tabular}{c c c} \hline \hline Model size & NameToDescription & DescriptionToName \\ \hline 350M & 100 & 96.67 \\ 1.3B & 100 & 100 \\ 6.7B & 100 & 100 \\ 175B & 100 & 100 \\ \hline \hline \end{tabular} \end{table} Table 5: Experiment 1: In-context accuracy for GPT-3of 3e-3 and a batch size of 32. We initialize our soft prompts with variations of the tokenized phrase "Daphne Barrington was the acclaimed director of the virtual reality masterpiece, 'A Journey Through Time.". We average our results accross 10 random seeds. [|assistant|]

간단한 가중치 보간은 실수 값 잠재 및 출력 공간에서 작동하는 이미지 생성 모델을 병합하는 데 잘 작동하지만, 놀랍게도 올바른 조건에서 언어 모델을 병합하는 데에도 여전히 작동하지만 성능 문제가 있습니다[49]. 최근에는 언어 모델을 특별히 병합하기 위한 새로운 방법이 제안되었습니다. 한 가지 방법인 Task Arithmetic[21]은 미리 학습된 모델 가중치에서 Fine-tuned 모델 가중치를 빼서 _task vectors_를 구축하여 산술 연산을 통해 조작하여 병합된 모델의 동작을 유도하는 방식입니다.[|endofturn|]

간단한 가중치 보간은 실수 값 잠재 및 출력 공간에서 작동하는 이미지 생성 모델을 병합하는 데 잘 작동하지만, 놀랍게도 올바른 조건에서 언어 모델을 병합하는 데에도 여전히 작동하지만 성능 문제가 있습니다[49]. 최근에는 언어 모델을 특별히 병합하기 위한 새로운 방법이 제안되었습니다. 한 가지 방법인 작업 산술[21]은 미리 학습된 모델 가중치에서 미세 조정된 모델 가중치를 빼서 _작업 벡터_를 구축하여 산술 연산을 통해 조작하여 병합된 모델의 동작을 유도하는 방식입니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Simple weight interpolation works well for merging image generation models that operate in a real valued latent and output space, but to our surprise, they also still work for merging language models under the right conditions, but have performance issues [49]. Recently, new methods have been proposed to address merging language models specifically. One method, Task Arithmetic [21], involves building _task vectors_ by subtracting pre-trained from fine-tuned model weights, enabling manipulation through arithmetic operations to steer the merged model's behavior. [|assistant|]

보수적으로 임계값으로 \(50\) tokens을 선택합니다: "무릎 굽힘"은 \(10\) tokens에서 발생하며 길이-\(25\) 일치 항목을 수동으로 검사한 결과 오탐이 발견되지 않았습니다. 그런 다음 이 값을 두 배로 늘려 오류 허용 범위를 매우 넓게 잡았습니다.[|endofturn|]

보수적으로 임계값으로 \(50\) 토큰을 선택합니다: "무릎 굽힘"은 \(10\) 토큰에서 발생하며 길이-\(25\) 일치 항목을 수동으로 검사한 결과 오탐이 발견되지 않았습니다. 그런 다음 이 값을 두 배로 늘려 오류 허용 범위를 매우 넓게 잡았습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]We choose \(50\) tokens as the threshold to be conservative: the "bend in the knee" occurs at \(10\) tokens, and manual inspection of length-\(25\) matches found no false positives. We then doubled this value to have an exceptionally large margin for error. [|assistant|]

**Tokenizer** 데이터 tokenization을 위해 SentencePiece(Kudo and Richardson, 2018)의 byte-pair encoding (BPE)(Shibata et al., 1999)을 활용하는 baichuan2 tokenizer(Yang et al., 2023)를 사용했습니다. 어휘 크기는 125,696개입니다. 또한 이 tokenizer는 숫자를 개별 숫자로 분할하도록 설계되어 숫자 데이터의 인코딩을 향상시킵니다.[|endofturn|]

**토큰라이저** 데이터 토큰화를 위해 SentencePiece(Kudo and Richardson, 2018)의 바이트 쌍 인코딩(BPE)(Shibata et al., 1999)을 활용하는 바이추안2 토큰라이저(Yang et al., 2023)를 사용했습니다. 어휘 크기는 125,696개입니다. 또한 이 토큰화 도구는 숫자를 개별 숫자로 분할하도록 설계되어 숫자 데이터의 인코딩을 향상시킵니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**Tokenizer** We employed the baichuan2 tokenizer (Yang et al., 2023), which utilizes byte-pair encoding (BPE) (Shibata et al., 1999) from SentencePiece (Kudo and Richardson, 2018) for data tokenization. The vocabulary size is 125,696. Furthermore, this tokenizer is designed to segment numbers into individual digits, enhancing the encoding of numeric data. [|assistant|]

각주 1: 사전 학습된 모델이 벤치마크 작업에서 어떻게 수행되는지 비교하는 풍부한 문헌이 있습니다. 대부분의 비교는 서로 다른 데이터에 대해 학습된 서로 다른 모델 제품군에 대한 비교입니다. LLaMA-70B가 Mistral-7B보다 나은 경우, 그 이득은 사전 학습 데이터의 선택에서 비롯된 것일까요, 아니면 architecture의 차이에서 비롯된 것일까요, 아니면 정말 모델의 크기에서 비롯된 것일까요? LLaMA-70B는 세계 지식 벤치마크에서 63.6%를 기록하는 반면, LLaMA-7B는 48.9%만 기록하는 등 동일한 architecture 간의 비교도 있습니다[33]. 이는 모델 크기를 10배 늘리면 용량이 130% = 63.6/48.9만 증가한다는 의미일까요? 따라서 통제된 환경에서 scaling laws를 연구하기 위해 보다 원칙적인 프레임워크를 사용하는 것이 매우 중요합니다.[|endofturn|]

각주 1: 사전 학습된 모델이 벤치마크 작업에서 어떻게 수행되는지 비교하는 풍부한 문헌이 있습니다. 대부분의 비교는 서로 다른 데이터에 대해 학습된 서로 다른 모델 제품군에 대한 비교입니다. LLaMA-70B가 Mistral-7B보다 나은 경우, 그 이득은 사전 학습 데이터의 선택에서 비롯된 것일까요, 아니면 아키텍처의 차이에서 비롯된 것일까요, 아니면 정말 모델의 크기에서 비롯된 것일까요? LLaMA-70B는 세계 지식 벤치마크에서 63.6%를 기록하는 반면, LLaMA-7B는 48.9%만 기록하는 등 동일한 아키텍처 간의 비교도 있습니다[33]. 이는 모델 크기를 10배 늘리면 용량이 130% = 63.6/48.9만 증가한다는 의미일까요? 따라서 통제된 환경에서 스케일링 법칙을 연구하기 위해 보다 원칙적인 프레임워크를 사용하는 것이 매우 중요합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Footnote 1: There is a rich literature comparing how pretrained models perform on benchmark tasks. Most comparisons are for different model families trained over different data: if LLaMA-70B is better than Mistral-7B, does the gain come from its choice of pretrain data, or the architecture difference, or really the size of the model? Some comparisons are among the same architecture, such as LLaMA-70B scores 63.6% on the world knowledge benchmark while LLaMA-7B scores only 48.9% [33]; does this mean increasing model size by 10x increases its capacity only to 130% = 63.6/48.9? Thus, it is highly important to use a more principled framework to study scaling laws in a controlled setting. [|assistant|]

부록 D의 Int4 Quantization 후, MiniCPM-2.4B의 풋프린트는 2GB로 축소되어 모바일 엣지 디바이스에 배포가 용이해졌습니다. MLC-LLM(팀, 2023b)을 사용하여 Android 및 HarmonyOS용 모델을 조정하고 iPhone 시스템에 적용하기 위해 LLMFarm(팀, 2023a)을 사용했습니다. 이 적응은 다양한 엣지 모바일 디바이스에서 테스트되었습니다.[|endofturn|]

부록 D의 Int4 양자화 후, MiniCPM-2.4B의 풋프린트는 2GB로 축소되어 모바일 엣지 디바이스에 배포가 용이해졌습니다. MLC-LLM(팀, 2023b)을 사용하여 Android 및 HarmonyOS용 모델을 조정하고 iPhone 시스템에 적용하기 위해 LLMFarm(팀, 2023a)을 사용했습니다. 이 적응은 다양한 엣지 모바일 디바이스에서 테스트되었습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]After Int4 quantization in Appendix D, MiniCPM-2.4B's footprint is reduced to 2GB, facilitating deployment on mobile edge devices. We adapted the model for Android and HarmonyOS using MLC-LLM (team, 2023b) and employed LLMFarm (team, 2023a) for adaptation to the iPhone system. This adaptation was tested on various edge mobile devices. [|assistant|]

수학 연속 사전 학습에 대한 SLM: 1B와 7B Rho-1은 GSM8k 및 MATH 데이터 세트에서 CLM로 학습된 baseline보다 16% 이상 우수한 성능을 보입니다. 그림 1에서 볼 수 있듯이 SLM은 baseline 정확도에 최대 10배 더 빠르게 도달합니다. 놀랍게도 Rho-1-7B는 DeepSeekMath에 필요한 500B tokens에 비해 15B tokens만 사용하여 DeepSeekMath-7B의 최첨단 성능에 필적합니다. Fine-tuning 후 Rho-1-1B와 7B는 각각 MATH에서 40.6%와 51.8%를 달성했습니다. 특히 Rho-1-1B는 40%의 정확도를 초과하는 최초의 1B LM으로, 초기 GPT-4의 CoT 성능인 42.5%에 근접했습니다. SS3.3은 일반적인 사전 학습에서 SLM의 효능을 확인시켜 줍니다: 80B tokens에 대해 Tinyllama-1B를 SLM으로 학습하면 15개 벤치마크에서 평균 6.8%가 향상되며, 코드 및 수학 과제에서 10% 이상의 성능 향상을 보입니다.[|endofturn|]

수학 연속 사전 학습에 대한 SLM: 1B와 7B Rho-1은 GSM8k 및 MATH 데이터 세트에서 CLM로 학습된 기준선보다 16% 이상 우수한 성능을 보입니다. 그림 1에서 볼 수 있듯이 SLM은 기준선 정확도에 최대 10배 더 빠르게 도달합니다. 놀랍게도 Rho-1-7B는 DeepSeekMath에 필요한 5000억 토큰에 비해 150억 토큰만 사용하여 DeepSeekMath-7B의 최첨단 성능에 필적합니다. 미세 조정 후 Rho-1-1B와 7B는 각각 MATH에서 40.6%와 51.8%를 달성했습니다. 특히 Rho-1-1B는 40%의 정확도를 초과하는 최초의 10억 단어 모델로, 초기 GPT-4의 CoT 성능인 42.5%에 근접했습니다. SS3.3은 일반적인 사전 학습에서 SLM의 효능을 확인시켜 줍니다: 800억 토큰에 대해 Tinyllama-1B를 SLM으로 학습하면 15개 벤치마크에서 평균 6.8%가 향상되며, 코드 및 수학 과제에서 10% 이상의 성능 향상을 보입니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]SLM on math continual pretraining: both 1B and 7B Rho-1 outperform CLM-trained baselines by over 16% on the GSM8k and MATH datasets. SLM reaches baseline accuracy up to 10x faster, as shown in Figure 1. Remarkably, Rho-1-7B matches the state-of-the-art performance of DeepSeekMath-7B using only 15B tokens, compared to the 500B tokens required by DeepSeekMath. Upon fine-tuning, Rho-1-1B and 7B achieve 40.6% and 51.8% on MATH, respectively. Notably, Rho-1-1B is the first 1B LM to exceed 40% accuracy, nearing the early GPT-4's CoT performance of 42.5%. SS3.3 confirms the efficacy of SLM in general pretraining: Training Tinyllama-1B on 80B tokens with SLM improves 6.8% on average across 15 benchmarks, with gains over 10% in code and math tasks. [|assistant|]

총 급여 = 4년 후 Adrien의 급여 + 4년 후 Lylah의 급여 = $56000 + $39200 = $95200[|endofturn|]

총 급여 = 4년 후 아드리안의 급여 + 4년 후 라일라의 급여 = $56000 + $39200 = $95200[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|] Total salary = Adrien's salary four years later + Lylah's salary four years later = $56000 + $39200 = $95200 [|assistant|]

이 하위 섹션에서는 학습 속도를 다시 예열하고 다시 감소시키는 모델을 지속적으로 사전 학습할 때 compute-equivalent replay의 효과를 살펴봅니다.[|endofturn|]

이 하위 섹션에서는 학습 속도를 다시 예열하고 다시 감소시키는 모델을 지속적으로 사전 학습할 때 컴퓨팅 등가 재생의 효과를 살펴봅니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]In this subsection, we explore the effect of compute-equivalent replay when continually pre-training models that re-warm and re-decay the learning rate. [|assistant|]

두 시나리오의 IL 성능을 비교하면, Small과 Small-P1\(\rightarrow\)Small-P2의 경우, 동일한 횟수의 훈련 단계를 거쳤음에도 불구하고 LMs은 여러 번의 CKL 단계를 거치면서 더 많은 잊어버림에 걸리기 쉽다는 결과가 나타났습니다. 그 이유 중 하나는 각 단계의 시작 시 초기화되는 Learning Rate 스케줄링 때문일 수 있습니다.[|endofturn|]

두 시나리오의 IL 성능을 비교하면, Small과 Small-P1\(\우측 대각선\)Small-P2의 경우, 동일한 횟수의 훈련 단계를 거쳤음에도 불구하고 LM은 여러 번의 CKL 단계를 거치면서 더 많은 잊어버림에 걸리기 쉽다는 결과가 나타났습니다. 그 이유 중 하나는 각 단계의 시작 시 초기화되는 학습 속도 스케줄링 때문일 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Comparing the performance on IL of the two scenarios, Small and Small-P1\(\rightarrow\)Small-P2, results show that LMs are prone to more forgetting as they go through multiple CKL phases, despite having the same number of training steps. One of the reasons may be due to the learning rate scheduling, which is initialized at the start of each phase. [|assistant|]

FLAN(Chung et al., 2022)은 Instruction Tuning에 대한 많은 연구 중 가장 체계적이고 포괄적인 접근 방식 중 하나입니다. 이 접근 방식은 Instruction-optimised dataset에서 언어 모델을 Fine-tuning하고, 작업 수와 모델 크기를 확장하며, Fine-tuning에 chain-of-thought 데이터를 통합합니다. 저자들은 RALM 아키텍처에서 Instruction을 조정하는 구체적인 접근 방식을 고려하지 않았지만, 이 작업은 향후 연구에 귀중한 참고 자료를 제공합니다. Lin et al. (2023)은 RALM의 Instruction Fine-tuning에서 In-Context Retrieval Augmentation을 통합했습니다. 이렇게 하면 언어 모델이 관련 없는 검색 결과에 의해 오도될 가능성을 크게 줄일 수 있습니다. SAIL(Luo et al., 2023)은 내부 및 외부 검색 엔진에서 생성된 복잡한 검색 결과에 언어 생성 및 Instruction 추적 기능을 구축합니다. Instruction Tuning 코퍼스를 사용하여 각 훈련 사례에 대한 검색 결과를 다양한 검색 API 및 도메인에서 수집하고, (Instruction, grounding information, response)의 트리플렛을 포함하는 검색 기반 훈련 세트를 구성합니다. Instruction-Tuned 데이터 세트에 대한 훈련과는 달리, Madaan et al. (2022)과 Lazaridou et al. (2022)은 검색된 지식에서 직접 대규모 모델을 프롬프트하도록 제안합니다. Madaan et al. (2022)은 GPT-3를 사용하여 모델이 사용자의 의도를 잘못 해석한 기록된 사례의 메모리 페어링과 사용자 피드백을 명확히 했습니다. 이를 통해 이 시스템은 사용자 피드백을 기반으로 각각의 새로운 쿼리에 대해 향상된 프롬프트를 생성할 수 있습니다. 반면에 Lazaridou et al. (2022)은 Few-shot 프롬프트와 답변 재정렬을 사용하여 추론 계산을 개선합니다.[|endofturn|]

FLAN(Chung et al., 2022)은 지시 튜닝에 대한 많은 연구 중 가장 체계적이고 포괄적인 접근 방식 중 하나입니다. 이 접근 방식은 지시 최적화 데이터 세트에서 언어 모델을 미세 조정하고, 작업 수와 모델 크기를 확장하며, 미세 조정에 생각의 사슬 데이터를 통합합니다. 저자들은 RALM 아키텍처에서 지침을 조정하는 구체적인 접근 방식을 고려하지 않았지만, 이 작업은 향후 연구에 귀중한 참고 자료를 제공합니다. Lin et al. (2023)은 RALM의 지침 미세 조정에서 컨텍스트 검색 증강을 통합했습니다. 이렇게 하면 언어 모델이 관련 없는 검색 결과에 의해 오도될 가능성을 크게 줄일 수 있습니다. SAIL(Luo et al., 2023)은 내부 및 외부 검색 엔진에서 생성된 복잡한 검색 결과에 언어 생성 및 지침 추적 기능을 구축합니다. 지침 튜닝 코퍼스를 사용하여 각 훈련 사례에 대한 검색 결과를 다양한 검색 API 및 도메인에서 수집하고, (지침, 그라운딩 정보, 응답)의 트리플렛을 포함하는 검색 기반 훈련 세트를 구성합니다. 지침 튜닝 데이터 세트에 대한 훈련과는 달리, Madaan et al. (2022)과 Lazaridou et al. (2022)은 검색된 지식에서 직접 대규모 모델을 프롬프트하도록 제안합니다. Madaan et al. (2022)은 GPT-3를 사용하여 모델이 사용자의 의도를 잘못 해석한 기록된 사례의 메모리 페어링과 사용자 피드백을 명확히 했습니다. 이를 통해 이 시스템은 사용자 피드백을 기반으로 각각의 새로운 쿼리에 대해 향상된 프롬프트를 생성할 수 있습니다. 반면에 Lazaridou et al. (2022)은 소량 프롬프트와 답변 재정렬을 사용하여 추론 계산을 개선합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]FLAN(Chung et al., 2022) is one of the most systematic and comprehensive approaches among the many studies on instruction tuning. This approach fine-tunes the language model on the instruction-optimised dataset, scales the number of tasks and model size, and incorporates chain-of-thought data in the fine-tuning. Although the authors did not consider a specific approach to tuning instructions in RALM architecture, their work provides a valuable reference for future research. In the instruction fine-tuning of RALM, Lin et al. (2023) integrated in-context retrieval augmentation. This greatly reduces the likelihood of the language model being misled by irrelevant retrieval content. SAIL(Luo et al., 2023) builds language generation and instruction tracking capabilities on complex search results generated by internal and external search engines. Using a corpus of instruction tuning, they collect search results for each training case from different search APIs and domains, and construct a search-based training set containing a triplet of (instruction, grounding information, response). In contrast to training on instruction-tuned datasets, Madaan et al. (2022) and Lazaridou et al. (2022) propose to prompt large models directly from retrieved knowledge. Madaan et al. (2022) used GPT-3 to clarify memory pairings of recorded cases where the model misinterpreted the user's intention, as well as user feedback. This ensures that their system can generate enhanced prompts for each new query based on user feedback. In contrast, Lazaridou et al. (2022) uses few-shot prompts and answer reordering to improve inference computation. [|assistant|]

그림 2는 데이터 진화 라운드 수에 미치는 영향을 조사하는 절제 연구를 제시합니다. 첫 번째 진화 데이터 라운드에는 38k 샘플이 포함됩니다. 두 번째 라운드에는 58k가 포함됩니다. 세 번째 라운드에는 78k가 포함됩니다. 네 번째 라운드에는 98k가 포함됩니다. 일관성을 위해 모든 모델은 200단계로 Fine-tuning을 거칩니다. 그 결과, HumanEval에서 가장 높은 pass@1 점수는 데이터 진화 3라운드 후에 달성됩니다. 이 관찰을 바탕으로 세 번째 라운드에서 진화한 데이터를 최종 데이터 세트로 선택합니다.[|endofturn|]

그림 2는 데이터 진화 라운드 수에 미치는 영향을 조사하는 절제 연구를 제시합니다. 첫 번째 진화 데이터 라운드에는 38k 샘플이 포함됩니다. 두 번째 라운드에는 58k가 포함됩니다. 세 번째 라운드에는 78k가 포함됩니다. 네 번째 라운드에는 98k가 포함됩니다. 일관성을 위해 모든 모델은 200단계로 미세 조정을 거칩니다. 그 결과, 휴먼이발에서 가장 높은 패스@1 점수는 데이터 진화 3라운드 후에 달성됩니다. 이 관찰을 바탕으로 세 번째 라운드에서 진화한 데이터를 최종 데이터 세트로 선택합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Figure 2 presents an ablation study investigating the impact of the number of data evolution rounds. The first round of evolved data contains 38k samples. The second round contains 58k. The third round contains 78k. The fourth round contains 98k. For consistency, all models undergo fine-tuning with 200 steps. The results reveal that the highest pass@1 score on humaneval is achieved after three rounds of data evolution. Based on this observation, we select the data that evolved during the third round as the ultimate dataset. [|assistant|]

각주 5: 이 작업에서는 인스턴스 생성을 위한 prompting을 위해 고정된 시드 작업 세트를 사용하므로 한 라운드에서 작업당 소수의 인스턴스만 생성합니다. 향후 연구에서는 무작위로 샘플링된 작업을 사용하여 모델이 여러 라운드에서 더 많은 수의 인스턴스를 생성하도록 prompting할 수 있습니다.[|endofturn|]

각주 5: 이 작업에서는 인스턴스 생성을 위한 프롬프트를 위해 고정된 시드 작업 세트를 사용하므로 한 라운드에서 작업당 소수의 인스턴스만 생성합니다. 향후 연구에서는 무작위로 샘플링된 작업을 사용하여 모델이 여러 라운드에서 더 많은 수의 인스턴스를 생성하도록 프롬프트할 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Footnote 5: In this work, we use a fixed set of seed tasks for prompting the instance generation, and thus only generate a small number of instances per task in one round. Future work can use randomly sampled tasks to prompt the model to generate a larger number of instances in multiple rounds. [|assistant|]

핵심 샘플링이라고도 하는 top-p 샘플링은 top-k 샘플링과는 약간 다른 접근 방식을 취합니다. top-k 샘플링은 가장 확률이 높은 토큰 k개를 선택하는 대신, 선택한 토큰의 확률 합이 p를 초과하도록 cutoff 값 p를 선택합니다. 이렇게 하면 다음 토큰을 무작위로 선택할 토큰의 "핵"이 형성됩니다. 즉, top-p 샘플링에서는 언어 모델이 가장 확률이 높은 토큰을 내림차순으로 검토하고 확률 합이 임계값 p를 초과할 때까지 목록에 계속 추가합니다. 상상할 수 있듯이, 이는 특히 상위 k 토큰의 확률 질량이 크지 않은 시나리오에 더 적합할 수 있습니다. top-k 샘플링과 달리 핵심 샘플링에 포함되는 토큰의 수는 고정되어 있지 않습니다. 이러한 가변성으로 인해 더 다양하고 창의적인 결과물을 얻을 수 있어 텍스트 생성 관련 작업에서 핵심 샘플링이 인기가 높습니다.[|endofturn|]

핵심 샘플링이라고도 하는 탑-p 샘플링은 탑-k 샘플링과는 약간 다른 접근 방식을 취합니다. 탑-k 샘플링은 가장 확률이 높은 토큰 k개를 선택하는 대신, 선택한 토큰의 확률 합이 p를 초과하도록 컷오프 값 p를 선택합니다. 이렇게 하면 다음 토큰을 무작위로 선택할 토큰의 "핵"이 형성됩니다. 즉, 탑-p 샘플링에서는 언어 모델이 가장 확률이 높은 토큰을 내림차순으로 검토하고 확률 합이 임계값 p를 초과할 때까지 목록에 계속 추가합니다. 상상할 수 있듯이, 이는 특히 상위 k 토큰의 확률 질량이 크지 않은 시나리오에 더 적합할 수 있습니다. 탑-k 샘플링과 달리 핵심 샘플링에 포함되는 토큰의 수는 고정되어 있지 않습니다. 이러한 가변성으로 인해 더 다양하고 창의적인 결과물을 얻을 수 있어 텍스트 생성 관련 작업에서 핵심 샘플링이 인기가 높습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Top-p sampling, also known as Nucleus sampling, takes a slightly different approach from top-k sampling. Instead of selecting the top k most probable tokens, nucleus sampling chooses a cutoff value p such that the sum of the probabilities of the selected tokens exceeds p. This forms a "nucleus" of tokens from which to randomly choose the next token. In other words, in top-p sampling the language model examines the most probable tokens in descending order and keeps adding them to the list until the sum of probabilities surpasses the threshold p. As you can imagine, this could be better specially for scenarios in which top-k tokens do not have a large probability mass. Unlike top-k sampling, the number of tokens included in the nucleus sampling is not fixed. This variability often results in a more diverse and creative output, making nucleus sampling popular for text generation related tasks. [|assistant|]

최근 연구에서는 컨텍스트 기반 언어 모델 분야에서 "scaling law"를 강조하여 모델 규모와 학습 데이터의 크기와 성능 개선 사이의 비례 관계를 보여주었습니다(Kaplan et al., 2020; Hernandez et al., 2021; Anil et al., 2023). 그 결과 Large Language Models (LLMs)이 등장하게 되었습니다. 이전 모델과 달리 LLM은 가중치 조정 없이도 작업을 조정하고 수행할 수 있는 zero-shot learning (Radford et al., 2019) 및 few-shot learning (Brown et al., 2020)과 같은 기능을 포함하는 In-Context Learning을 수행할 수 있습니다. 이러한 LLM의 새로운 능력은 소형 모델에는 없는 중요한 진화를 의미합니다(Wei et al., 2022).[|endofturn|]

최근 연구에서는 컨텍스트 기반 언어 모델 분야에서 "스케일링 법칙"을 강조하여 모델 규모와 학습 데이터의 크기와 성능 개선 사이의 비례 관계를 보여주었습니다(Kaplan et al., 2020; Hernandez et al., 2021; Anil et al., 2023). 그 결과 대규모 언어 모델(LLM)이 등장하게 되었습니다. 이전 모델과 달리 LLM은 가중치 조정 없이도 작업을 조정하고 수행할 수 있는 제로 샷 학습(Radford et al., 2019) 및 소수 샷 학습(Brown et al., 2020)과 같은 기능을 포함하는 인컨텍스트 학습을 수행할 수 있습니다. 이러한 LLM의 새로운 능력은 소형 모델에는 없는 중요한 진화를 의미합니다(Wei et al., 2022).[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Recent research has highlighted a "scaling law" in the field of context-based language models (Kaplan et al., 2020; Hernandez et al., 2021; Anil et al., 2023), showing a proportional relationship between the size of the model plus the training data and the resulting performance improvements. Consequently, this has led to the advent of Large Language Models (LLMs). In contrast to earlier models, LLMs can perform in-context learning, which includes abilities such as zero-shot learning (Radford et al., 2019) and few-shot learning (Brown et al., 2020), allowing them to adapt and perform tasks without the need for weight adjustments. These emergent abilities of LLMs, absent in their smaller counterparts, signal a significant evolution in language model capabilities (Wei et al., 2022). [|assistant|]

그러나 일반적으로 \(n\)과 \(\mathbf{S}\)는 통근하지 않으므로 \(\mathbf{S}\) 변환이 Transformer's 출력을 보존한다고 결론을 내릴 수 없습니다. 우리는 \(\mathbf{S}=\mathbf{U}\)인 직교 행렬을 취하면 여전히 일반적인 불가능성 결과를 얻을 수 있음을 보여줄 것입니다.[|endofturn|]

그러나 일반적으로 \(n\)과 \(\mathbf{S}\)는 통근하지 않으므로 \(\mathbf{S}\) 변환이 변압기의 출력을 보존한다고 결론을 내릴 수 없습니다. 우리는 \mathbf{S}=\mathbf{U}인 직교 행렬을 취하면 여전히 일반적인 불가능성 결과를 얻을 수 있음을 보여줄 것입니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]but since in general \(n\) and \(\mathbf{S}\) do not commute, we cannot conclude that the \(\mathbf{S}\) transformations preserve the transformer's outputs. We will show that if we take \(\mathbf{S}=\mathbf{U}\) an orthogonal matrix, then we still get a general impossibility result. [|assistant|]

은 숨겨진 공간의 차원을 식별하는 것이 불가능합니다. 이는 \(n<h\)이므로 \(n\times l\) 차원 행렬 \(\mathbf{Q}\)의 순위가 완전하고 \(n\)의 비삼차 특이값이 있기 때문입니다. 그러나 모델에 2048회 이상 쿼리를 수행하여 \(n>h\)가 되면 수치적으로 유의미한 singular value의 수는 더 이상 증가하지 않으며 정확히 \(2048\)로 제한됩니다.[|endofturn|]

은 숨겨진 공간의 차원을 식별하는 것이 불가능합니다. 이는 \(n<h\)이므로 \(n\times l\) 차원 행렬 \(\mathbf{Q}\)의 순위가 완전하고 \(n\)의 비삼차 특이값이 있기 때문입니다. 그러나 모델에 2048회 이상 쿼리를 수행하여 \(n>h\)가 되면 수치적으로 유의미한 특이값의 수는 더 이상 증가하지 않으며 정확히 \(2048\)로 제한됩니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]is impossible to identify the dimensionality of the hidden space. This is because \(n<h\), and so the \(n\times l\) dimensional matrix \(\mathbf{Q}\) has full rank and \(n\) nontrivial singular values. But once we make more than \(2048\) queries to the model, and thus \(n>h\), the number of numerically significant singular values does not increase further; it is capped at exactly \(2048\). [|assistant|]

\(\bullet\)_보다 복잡한 작업은 ChatGPT에 대한 신중한 prompt engineering의 혜택을 더 많이 누릴 수 있습니다._ WikiFact 및 Colored Objects 작업에서 설계된 prompts는 ChatGPT의 성능을 크게 향상시켰습니다(_즉, WikiFact의 경우 23.61에서 28.47로, Colored Objects의 경우 53.20에서 66.75로 향상되었습니다). 이러한 작업은 일반적으로 특정 출력 형식을 가지거나 배경 지식이 필요하기 때문에 복잡한 작업을 잘 수행하기 위해서는 prompt engineering이 필요하다는 것을 나타냅니다. 예제 prompts는 보다 자세한 작업 설명(_예: 출력 형식 및 작업 목표)을 제공하여 ChatGPT가 복잡한 작업 요구 사항을 더 잘 이해하고 이를 달성하는 데 도움이 될 수 있습니다.[|endofturn|]

\(\bullet\)_보다 복잡한 작업은 ChatGPT에 대한 신중한 프롬프트 엔지니어링의 혜택을 더 많이 누릴 수 있습니다._ 위키팩트 및 색상 객체 작업에서 설계된 프롬프트는 ChatGPT의 성능을 크게 향상시켰습니다(_즉, 위키팩트의 경우 23.61에서 28.47로, 색상 객체의 경우 53.20에서 66.75로 향상되었습니다). 이러한 작업은 일반적으로 특정 출력 형식을 가지거나 배경 지식이 필요하기 때문에 복잡한 작업을 잘 수행하기 위해서는 프롬프트 엔지니어링이 필요하다는 것을 나타냅니다. 예제 프롬프트는 보다 자세한 작업 설명(_예: 출력 형식 및 작업 목표)을 제공하여 ChatGPT가 복잡한 작업 요구 사항을 더 잘 이해하고 이를 달성하는 데 도움이 될 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]\(\bullet\)_More complex tasks can benefit more from careful prompt engineering on ChatGPT._ In the WikiFact and Colored Objects tasks, the designed prompts have greatly improved the performance of ChatGPT, _i.e._, from 23.61 to 28.47 on WikiFact and from 53.20 to 66.75 on Colored Objects. It indicates the necessity of prompt engineering for LLMs to perform well on complex tasks, since these tasks typically have specific output formats or require background knowledge. Our example prompts provide more detailed task description (_e.g._, output format and task goal), which can help ChatGPT better understand the complex task requirement for fulfilling it. [|assistant|]

(Alemohammad et al., 2023)은 '자기 소비' 또는 '자가 흡수' 루프라고 하는 생성 이미지 모델에 대한 경험적 및 분석적 분석을 수행합니다. 이들은 각 생성 시 충분한 신선한 실제 데이터가 없으면 향후 모델의 정밀도 또는 리콜이 반드시 감소할 것이라고 결론지었습니다. 이들은 각각의 새로운 AI 생성의 영향을 일반적인 _sampling bias_\(0\leq\lambda\leq 1\)을 통해 모델링합니다. 이미지 생성의 경우, 이는 다양성보다 품질을 우선시하는 생성 시 특징 파라미터(적절하게 정량화됨)를 의미합니다. 보다 정확하게는, \(\lambda=1\)은 편향되지 않은 샘플링에 해당하고, \(\lambda=0\)은 생성 분포의 모드에서 샘플링하는 것에 해당합니다. \(\lambda\)는 BigGAN 및 StyleGAN의 truncation이나 확산 모델의 guidance와 같이 생성 모델링 실습에서 일반적으로 사용되는 편향 샘플링 방법을 모델링합니다. 가우스 분포의 경우, \(\lambda\)는 다음 세대의 분산의 축소 계수입니다. 이들의 실증 연구는 이론적 관찰과 실증적 관찰을 위해 이미지 생성을 위한 GAN과 노이즈 제거 확산 확률 모델과 단일 가우스를 FFHQ와 MNIST에 대해 연구했습니다. (Shumailov et al., 2023)에서와 같이 추정 오차만으로도 반복 횟수에 따라 분산이 사라지는 것을 관찰합니다(단일 가우스의 경우 이를 증명함). (Alemohammad et al., 2023)은 또한 상당한 양의 합성 데이터가 궁극적인 저하를 초래하기 전에 적은 양의 합성 데이터가 원본 데이터와 혼합되는 체제에서 성능이 초기 부스트되는 것을 경험적으로 관찰했습니다. 이는 실제 데이터와 혼합된 합성 데이터가 일부 시나리오에서 성능을 향상시키는 방법을 보여주는 대규모 결과를 모방할 수 있습니다(아래 '합성 데이터의 이점' 참조). 실제로 가장 단순한 형태의 데이터 증강(회전, 자르기 등)은 ML 훈련에서 널리 사용되는 매우 유익한 방법으로, 가장 단순한 형태의 데이터 생성으로 볼 수 있습니다.[|endofturn|]

(Alemohammad et al., 2023)은 '자기 소비' 또는 '자가 흡수' 루프라고 하는 생성 이미지 모델에 대한 경험적 및 분석적 분석을 수행합니다. 이들은 각 생성 시 충분한 신선한 실제 데이터가 없으면 향후 모델의 정밀도 또는 리콜이 반드시 감소할 것이라고 결론지었습니다. 이들은 각각의 새로운 AI 생성의 영향을 일반적인 _샘플링 편향_\(0\leq\lambda\leq 1\)을 통해 모델링합니다. 이미지 생성의 경우, 이는 다양성보다 품질을 우선시하는 생성 시 특징 파라미터(적절하게 정량화됨)를 의미합니다. 보다 정확하게는, \(\lambda=1\)은 편향되지 않은 샘플링에 해당하고, \(\lambda=0\)은 생성 분포의 모드에서 샘플링하는 것에 해당합니다. 람다(\lambda)는 BigGAN 및 StyleGAN의 트런케이션이나 확산 모델의 가이드와 같이 생성 모델링 실습에서 일반적으로 사용되는 편향 샘플링 방법을 모델링합니다. 가우스 분포의 경우, \(\lambda\)는 다음 세대의 분산의 축소 계수입니다. 이들의 실증 연구는 이론적 관찰과 실증적 관찰을 위해 이미지 생성을 위한 GAN과 노이즈 제거 확산 확률 모델과 단일 가우스를 FFHQ와 MNIST에 대해 연구했습니다. (Shumailov et al., 2023)에서와 같이 추정 오차만으로도 반복 횟수에 따라 분산이 사라지는 것을 관찰합니다(단일 가우스의 경우 이를 증명함). (알레모하마드 등, 2023)은 또한 상당한 양의 합성 데이터가 궁극적인 저하를 초래하기 전에 적은 양의 합성 데이터가 원본 데이터와 혼합되는 체제에서 성능이 초기 부스트되는 것을 경험적으로 관찰했습니다. 이는 실제 데이터와 혼합된 합성 데이터가 일부 시나리오에서 성능을 향상시키는 방법을 보여주는 대규모 결과를 모방할 수 있습니다(아래 '합성 데이터의 이점' 참조). 실제로 가장 단순한 형태의 데이터 증강(회전, 자르기 등)은 ML 훈련에서 널리 사용되는 매우 유익한 방법으로, 가장 단순한 형태의 데이터 생성으로 볼 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|](Alemohammad et al., 2023) conduct an empirical and analytical analysis on generative image models of what they term the "self-consuming" or "autophaguous" loop. They conclude that without enough fresh real data at each generation, future models necessarily will have their precision or recall decrease. They model the influence of each new AI-generation via a generic _sampling bias_\(0\leq\lambda\leq 1\). In the case of image generation this refers to feature parameters at generation that favor quality over diversity (suitably quantified). More precisely, \(\lambda=1\) corresponds to unbiased sampling and \(\lambda=0\) corresponds to sampling from the modes of the generative distribution. \(\lambda\) models biased sampling methods commonly used in generative modeling practice, such as truncation in BigGAN and StyleGAN or guidance in diffusion models. In the case of Gaussian distributions, \(\lambda\) is the shrinking factor of the variance of the next generation. Their empirical work studies GANs and denoising diffusion probabilistic models for image generation on FFHQ and MNIST and single Gaussians for both theoretical and empirical observations. As in (Shumailov et al., 2023) they observe (and prove for the case of a single Gaussian) that estimation error alone leads to vanishing variance with number of iterations. (Alemohammad et al., 2023) also empirically observe an initial boost in performance in a regime where modest amounts of synthetic data are mixed with the original data before larger amounts of synthetic data lead to ultimate degradation. This might mimick larger-scale results that demonstrate how synthetic data mixed with true data improves performance in some scenarios (see _Benefits of synthesized data_ below). Indeed, in its simplest form, data augmentation (rotations, cropping etc. ), a widespread highly beneficial practice in ML training, can be viewed as the simplest form of data generation. [|assistant|]

치위안 첸은 중국 인민대학교 가오링 인공지능 대학원에서 박사 학위를 취득하고 있습니다. 그의 연구는 주로 Large Language Model에 기반한 언어 모델 추론과 에이전트에 중점을 두고 있습니다.[|endofturn|]

치위안 첸은 중국 인민대학교 가오링 인공지능 대학원에서 박사 학위를 취득하고 있습니다. 그의 연구는 주로 대규모 언어 모델에 기반한 언어 모델 추론과 에이전트에 중점을 두고 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Zhi-Yuan Chen is pursuing his Ph.D. in Gaoling school of Artificial Intelligence, Renmin University of China. His research mainly focuses on language model reasoning and agent based on large language model. [|assistant|]

* **도메인 지식 결핍**: 언어 모델은 노출되지 않은 특정 도메인에 대한 포괄적인 전문 지식이 부족할 수 있습니다. 예를 들어, 윌리엄 셰익스피어가 쓴 텍스트로만 학습한 모델은 마크 트웨인의 작품에 대해 질문을 받으면 성능이 저하될 수 있습니다. * **Outdated Information**: LLM은 항상 학습 데이터 세트에 의해 결정된 마감일이 있습니다. 따라서 마지막 학습 업데이트 이후 발생한 모든 이벤트, 발견 또는 변경 사항은 외부 소스에 액세스하지 않고는 모델의 지식에 포함되지 않습니다. * **Immemorization**: 때때로 모델은 학습 과정에서 지식에 노출되지만 이를 기억하지 못합니다. 이는 학습 데이터 세트에 거의 나타나지 않는 희귀한 사실의 경우 특히 그렇습니다(Kandpal et al., 2023). * **Forgetting**: 언어 모델은 사전 학습 단계 이후에 추가 학습(Fine-tuning)을 거치는 경우가 많습니다. 경우에 따라 이로 인해 모델이 Fine-tuning 프로세스 이전의 지식 중 일부를 잃어버리는 'catastrophic forgetting'(Kirkpatrick et al., 2017; Goodfellow et al., 2013; Chen et al., 2020; Luo et al., 2023)이라는 현상이 발생할 수 있습니다. * **Reasoning Failure**: 특정 경우 언어 모델이 사실에 대한 관련 지식을 보유하고 있지만 이를 제대로 활용하지 못할 수 있습니다. 이는 복잡한 다단계 추론 과제(Tan et al., 2023)에서 또는 동일한 사실에 대해 서로 다른 질문을 받았을 때 결과가 상이하게 나타날 때 특히 두드러집니다(Berglund et al., 2023).[|endofturn|]

* **도메인 지식 결핍**: 언어 모델은 노출되지 않은 특정 도메인에 대한 포괄적인 전문 지식이 부족할 수 있습니다. 예를 들어, 윌리엄 셰익스피어가 쓴 텍스트로만 학습한 모델은 마크 트웨인의 작품에 대해 질문을 받으면 성능이 저하될 수 있습니다. * **구형 정보**: LLM은 항상 학습 데이터 세트에 의해 결정된 마감일이 있습니다. 따라서 마지막 학습 업데이트 이후 발생한 모든 이벤트, 발견 또는 변경 사항은 외부 소스에 액세스하지 않고는 모델의 지식에 포함되지 않습니다. * **기억 상실**: 때때로 모델은 학습 과정에서 지식에 노출되지만 이를 기억하지 못합니다. 이는 학습 데이터 세트에 거의 나타나지 않는 희귀한 사실의 경우 특히 그렇습니다(Kandpal et al., 2023). * **잊어버림**: 언어 모델은 사전 학습 단계 이후에 추가 학습(미세 조정)을 거치는 경우가 많습니다. 경우에 따라 이로 인해 모델이 미세 조정 프로세스 이전의 지식 중 일부를 잃어버리는 '재앙적 망각'(Kirkpatrick et al., 2017; Goodfellow et al., 2013; Chen et al., 2020; Luo et al., 2023)이라는 현상이 발생할 수 있습니다. * **추론 실패**: 특정 경우 언어 모델이 사실에 대한 관련 지식을 보유하고 있지만 이를 제대로 활용하지 못할 수 있습니다. 이는 복잡한 다단계 추론 과제(Tan et al., 2023)에서 또는 동일한 사실에 대해 서로 다른 질문을 받았을 때 결과가 상이하게 나타날 때 특히 두드러집니다(Berglund et al., 2023).[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]* **Domain knowledge deficit**: A language model may lack comprehensive expertise in a specific domain to which it has not been exposed. For example, a model trained exclusively on texts written by William Shakespeare would perform poorly when asked about the works of Mark Twain. * **Outdated Information**: LLMs invariably have a cutoff date determined by their training dataset. Consequently, any events, discoveries, or changes occurring after the last training update will not be within the model's knowledge without access to external sources. * **Immemorization**: Sometimes, a model is exposed to knowledge during its training process but does not retain it. This is especially true for rare facts that appear in the training dataset only scarcely (Kandpal et al., 2023). * **Forgetting**: Language models often undergo additional training after the pre-training phase (fine-tuning). In some cases, this might lead to a phenomenon called _catastrophic forgetting_(Kirkpatrick et al., 2017; Goodfellow et al., 2013; Chen et al., 2020; Luo et al., 2023), where models lose some of the knowledge they had prior to the fine-tuning process. * **Reasoning Failure**: In certain instances, a language model might possess relevant knowledge about a fact but fail to utilize it properly. This is particularly evident in complex multi-step reasoning tasks (Tan et al., 2023) or when posed with different questions about the same fact, resulting in disparate outcomes (Berglund et al., 2023). [|assistant|]

**언어 모델의 순서 효과.** 일부 선행 연구에 따르면 language models는 어절의 무작위 순열 후에도 일반적으로 합리적인 성능을 유지하는 등 어느 정도 순열된 텍스트를 이해할 수 있는 것으로 나타났습니다(Abdou et al., 2022; Sinha et al., 2020). 또한, Cao et al. (2023)은 많은 비율의 단어가 스크램블링된 경우에도 GPT-4는 여러 reasoning benchmarks에서 여전히 괜찮은 성능을 달성한다는 것을 보여줍니다. 이러한 작업에서 순열된 텍스트는 일반적으로 부자연스럽고 무의미한 것과는 대조적으로, 우리의 전제 순열은 의미론적 의미를 변경하지 않고 구문론적으로 유효합니다(수동으로 확인). 그럼에도 불구하고, 우리는 LLM reasoning 성능이 전제의 순서에 매우 취약하다는 것을 보여줍니다.[|endofturn|]

**언어 모델의 순서 효과.** 일부 선행 연구에 따르면 언어 모델은 어절의 무작위 순열 후에도 일반적으로 합리적인 성능을 유지하는 등 어느 정도 순열된 텍스트를 이해할 수 있는 것으로 나타났습니다(Abdou et al., 2022; Sinha et al., 2020). 또한, Cao et al. (2023)은 많은 비율의 단어가 스크램블링된 경우에도 GPT-4는 여러 추론 벤치마크에서 여전히 괜찮은 성능을 달성한다는 것을 보여줍니다. 이러한 작업에서 순열된 텍스트는 일반적으로 부자연스럽고 무의미한 것과는 대조적으로, 우리의 전제 순열은 의미론적 의미를 변경하지 않고 구문론적으로 유효합니다(수동으로 확인). 그럼에도 불구하고, 우리는 LLM 추론 성능이 전제의 순서에 매우 취약하다는 것을 보여줍니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**Order effect of language models.** Some prior works show that language models are able to understand permuted texts to some extent, i.e., after a random permutation of words, models usually preserve a reasonable performance (Abdou et al., 2022; Sinha et al., 2020). Moreover, Cao et al. (2023) shows that even when a large fraction of words are scrambled, GPT-4 still achieves decent performance on several reasoning benchmarks. In contrast to permuted texts in these works that are typically unnatural and nonsensical, our premise order permutations do not alter the semantic meaning and remain syntactically valid (we manually verify this). Nevertheless, we demonstrate that LLM reasoning performance is highly brittle to the ordering of the premises. [|assistant|]

그림 4: **실험 1: 순서가 뒤바뀌면 모델이 올바른 이름의 확률을 높이지 못합니다. 이 그래프는 모델이 관련 설명으로 쿼리될 때 올바른 이름(무작위 이름 대비)에 대한 평균 로그 확률을 보여줍니다. 평균은 모델 크기당 30쌍과 3개의 Fine-tuning 시드에 대해 계산됩니다.[|endofturn|]

그림 4: **실험 1: 순서가 뒤바뀌면 모델이 올바른 이름의 확률을 높이지 못합니다. 이 그래프는 모델이 관련 설명으로 쿼리될 때 올바른 이름(무작위 이름 대비)에 대한 평균 로그 확률을 보여줍니다. 평균은 모델 크기당 30쌍과 3개의 미세 조정 시드에 대해 계산됩니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Figure 4: **Experiment 1: Models fail to increase the probability of the correct name when the order is reversed. The graph shows the average log-probability for the correct name (vs. a random name) when the model is queried with the associated description. The average is taken over 30 pairs and 3 finetuning seeds per model size. [|assistant|]

현재 이 방법은 사용자가 진화 검색의 재료로 사용할 소스 모델 세트를 선택해야 합니다. 진화를 활용하여 기존 모델의 방대한 모집단에서 후보 소스 모델을 검색하는 것도 가능하다고 생각합니다. 모델 선택 외에도 진화를 사용하여 각각 고유한 틈새 시장과 행동을 가진 다양한 foundation models의 군집을 생성하는 것도 모색하고 있습니다. 이는 상호 작용을 통해 세계의 새로운 상호 보완적인 내부 모델을 지속적으로 생성하여 자기 개선을 할 수 있는 모델 군집으로 구성된 집단 지능의 출현을 가능하게 할 수 있는 잠재력을 가지고 있습니다.[|endofturn|]

현재 이 방법은 사용자가 진화 검색의 재료로 사용할 소스 모델 세트를 선택해야 합니다. 진화를 활용하여 기존 모델의 방대한 모집단에서 후보 소스 모델을 검색하는 것도 가능하다고 생각합니다. 모델 선택 외에도 진화를 사용하여 각각 고유한 틈새 시장과 행동을 가진 다양한 기반 모델의 군집을 생성하는 것도 모색하고 있습니다. 이는 상호 작용을 통해 세계의 새로운 상호 보완적인 내부 모델을 지속적으로 생성하여 자기 개선을 할 수 있는 모델 군집으로 구성된 집단 지능의 출현을 가능하게 할 수 있는 잠재력을 가지고 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]The method currently requires the user to select a set of source models to use as ingredients for evolutionary search. We believe it is also possible to leverage evolution to search for candidate source models from a vast population of existing models as well. In addition to model selection, we are also exploring using evolution to produce swarms of diverse foundation models each with its own niche and behaviors. This holds the potential of enabling the emergence of a collective intelligence consisting of a swarm of models capable of self-improvement by continuously producing new complementary internal models of the world through interaction. [|assistant|]

여기서, \(F\)는 \(W(Q)\)에 의해 파라미터화되고 이전 데이터 \(Q_{1},\ldots,Q_{i-1}\), 및 새로운 난수 \(R\)에 의존할 수 있다.[|endofturn|]

여기서, F는 W(Q)에 의해 파라미터화되고 이전 데이터 \(Q_{1},\ldots,Q_{i-1}\), 및 새로운 난수 \(R\)에 의존할 수 있다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]_Here, \(F\) is parameterized by \(W(Q)\) and may rely on previous data \(Q_{1},\ldots,Q_{i-1}\), and new randomness \(R\). [|assistant|]

특정 prompting 기법이 RAG 준수에 미치는 영향 정도를 평가하기 위해 GPT-4에서 두 가지 추가 prompting ("엄격" 및 "느슨함")을 테스트합니다.[|endofturn|]

특정 프롬프트 기법이 RAG 준수에 미치는 영향 정도를 평가하기 위해 GPT-4에서 두 가지 추가 프롬프트("엄격" 및 "느슨함")를 테스트합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]To assess the degree of influence that the specific prompting technique has on RAG adherence, we test two additional prompts ("strict" and "loose") on GPT-4. [|assistant|]

최근 연구에 따르면 LLM은 prompting을 통해 놀라운 In-Context reasoning 능력을 보여주며, 이는 모델 크기에 따라 확장됩니다(Brown et al., 2020; Wei et al., 2022, 2022). 반대로 추론해야 할 정보가 입력의 일부로 명시적으로 제공되지 않을 경우, LLM은 단일 홉 하위 단계에 대한 답을 알고 있더라도 종종 다중 홉 추론을 올바르게 수행하지 못합니다(Ofir Press et al., 2023; Dziri et al., 2023). In-Context reasoning이 어떻게 작동하는지에 대한 광범위한 조사가 진행되고 있지만(Chan et al., 2022; Akyurek et al., 2023; Dai et al., 2023; Von Oswald et al., 2023; Prystawski and Goodman, 2023; Feng and Steinhardt, 2024), 잠재적 다중 홉 추론이 어떻게 작동하는지 이해하기 위한 조사는 활발하게 이루어지지 않았습니다.[|endofturn|]

최근 연구에 따르면 LLM은 프롬프트를 통해 놀라운 상황 맞춤형 추론 능력을 보여주며, 이는 모델 크기에 따라 확장됩니다(Brown et al., 2020; Wei et al., 2022, 2022). 반대로 추론해야 할 정보가 입력의 일부로 명시적으로 제공되지 않을 경우, LLM은 단일 홉 하위 단계에 대한 답을 알고 있더라도 종종 다중 홉 추론을 올바르게 수행하지 못합니다(Ofir Press et al., 2023; Dziri et al., 2023). 상황에 맞는 추론이 어떻게 작동하는지에 대한 광범위한 조사가 진행되고 있지만(Chan et al., 2022; Akyurek et al., 2023; Dai et al., 2023; Von Oswald et al., 2023; Prystawski and Goodman, 2023; Feng and Steinhardt, 2024), 잠재적 다중 홉 추론이 어떻게 작동하는지 이해하기 위한 조사는 활발하게 이루어지지 않았습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Recent works have shown that LLMs demonstrate remarkable in-context reasoning ability via prompting, which scales with model size (Brown et al., 2020; Wei et al., 2022, 2022). On the contrary, when the information to reason from is not explicitly given as part of the input, LLMsoften fail to correctly perform multi-hop reasoning even when they know the answer to the single-hop sub-step (Ofir Press et al., 2023; Dziri et al., 2023). While there have been wide investigations on how in-context reasoning works (Chan et al., 2022; Akyurek et al., 2023; Dai et al., 2023; Von Oswald et al., 2023; Prystawski and Goodman, 2023; Feng and Steinhardt, 2024), such an investigation has not been actively done to understand how latent multi-hop reasoning works. [|assistant|]

5개의 에포크에 대해 8, 32, 128의 Batch Size와 1e-06, 2e-06, 1e-05, 2e-05의 Learning Rate를 사용하여 Llama-7b, Llama-13b, Llama-30b에 대한 하이퍼파라미터 스윕을 수행합니다. Optimizer로 Adam을 사용하고 메모리 효율성을 위해 DeepSpeed 레벨 3을 사용합니다. 전체 Fine-tuning을 수행하고 매개변수 효율적인 Fine-tuning 기법을 사용하지 않습니다. 이러한 Batch Size는 상대적으로 낮게 선택했습니다. Learning Rate는 Llama-1 모델의 사전 학습에 사용된 Learning Rate(Touvron et al., 2023)에 가깝게 선택했습니다. Llama-7b에 대한 결과는 그림 10에 나와 있습니다.[|endofturn|]

5개의 에포크에 대해 8, 32, 128의 배치 크기와 1e-06, 2e-06, 1e-05, 2e-05의 학습 속도를 사용하여 Llama-7b, Llama-13b, Llama-30b에 대한 하이퍼파라미터 스윕을 수행합니다. 최적화 도구로 Adam을 사용하고 메모리 효율성을 위해 DeepSpeed 레벨 3을 사용합니다. 전체 미세 조정을 수행하고 매개변수 효율적인 미세 조정 기법을 사용하지 않습니다. 이러한 배치 크기는 상대적으로 낮게 선택했습니다. 학습 속도는 Llama-1 모델의 사전 학습에 사용된 학습 속도(Touvron et al., 2023)에 가깝게 선택했습니다. Llama-7b에 대한 결과는 그림 10에 나와 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]We perform a hyperparameter sweep on Llama-7b, Llama-13b, and Llama-30b for 5 epochs, using batch sizes of 8, 32, 128 and learning rates of 1e-06, 2e-06, 1e-05, 2e-05. We use Adam as our optimizer and DeepSpeed level 3 for memory efficiency. We perform full finetuning and do not use any parameter efficient finetuning techniques. We chose these batch sizes to be relatively low. The learning rates were chosen to be close to the ones used during the pretraining of the Llama-1 models (Touvron et al., 2023). The results for Llama-7b are shown in Figure 10. [|assistant|]

실험우리는 간접적인 증거를 통해 EntRec이 브리지 엔티티의 내부 리콜을 합리적으로 approximation한다는 것을 입증합니다. EntRec\({}^{l}(e_{2},\tau_{\text{2H}})\)는 \(\tau_{\text{2H}}\)의 마지막 토큰이 아니라 브리지 엔티티의 설명적 언급의 마지막 토큰에서 계산되며, 문법적으로 쉼표 뒤에 \(e_{2}\)의 이름을 앞에 붙이는 것이 자연스럽습니다(예: "'superstition'의 가수의 어머니, _스티비 원더_"). 결과 문자열에서 문법적으로 \(\mu(r_{1}(e_{1}))\))는 _antecedent_가 되고 \(e_{2}\)는 _appositive_가 되며, appositive는 다른 명사구 뒤에 반대되는 명사구가 되어 그 명사구를 더 식별하거나 정의하는 정보를 제공하며, antecedent는 명사구가 설명하는 명사구가 됩니다. 그런 다음 EntRec\({}^{l}(e_{2},\tau_{\text{2H}})\)이 브리지 엔티티 \(e_{2}\)의 내부 리콜을 합리적으로 approximation한다면, EntRec\({}^{l}(e_{2},\tau_{\text{2H}})\)을 증가시키면 LLM이 상대적 빈도가 무작위 확률보다 높은 \(e_{2}^{(0)}\)을 생성하는 상대 빈도가 증가하는 층 \(l\)이 적어도 몇 개 이상 존재할 것으로 예상됩니다.[|endofturn|]

실험우리는 간접적인 증거를 통해 EntRec이 브리지 엔티티의 내부 리콜을 합리적으로 근사화한다는 것을 입증합니다. EntRec\({}^{l}(e_{2},\tau_{\text{2H}})\)는 \(\tau_{\text{2H}}\)의 마지막 토큰이 아니라 브리지 엔티티의 설명적 언급의 마지막 토큰에서 계산되며, 문법적으로 쉼표 뒤에 \(e_{2}\)의 이름을 앞에 붙이는 것이 자연스럽습니다(예: "'superstition'의 가수의 어머니, _스티비 원더_"). 결과 문자열에서 문법적으로 \(\mu(r_{1}(e_{1}))\))는 _전치사_가 되고 \(e_{2}\)는 _명사절_이 되며, 명사절은 다른 명사절 뒤에 반대되는 명사절이 되어 그 명사절을 더 식별하거나 정의하는 정보를 제공하며, 선행사는 명사절이 설명하는 명사절이 됩니다. 그런 다음 EntRec\({}^{l}(e_{2},\tau_{\text{2H}})\)이 브리지 엔티티 \(e_{2}\)의 내부 리콜을 합리적으로 근사화한다면, EntRec\({}^{l}(e_{2},\tau_{\text{2H}})\)을 증가시키면 LLM이 상대적 빈도가 무작위 확률보다 높은 \(e_{2}^{(0)}\)을 생성하는 상대 빈도가 증가하는 층 \(l\)이 적어도 몇 개 이상 존재할 것으로 예상됩니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]ExperimentWe demonstrate that EntRec is a reasonable approximation of the internal recall of the bridge entity with indirect evidence. Note that EntRec\({}^{l}(e_{2},\tau_{\text{2H}})\) is calculated not at the last token of \(\tau_{\text{2H}}\) but at the last token of the bridge entity's descriptive mention, where it is grammatically natural to prepend a comma followed by the name of \(e_{2}\) (e.g., "The mother of the singer of 'Superstition', _Stevie Wonder_"). In the resulting string, grammatically \(\mu(r_{1}(e_{1}))\)) becomes the _antecedent_ and \(e_{2}\) becomes the _appositive_; an appositive is a noun phrase that follows another noun phrase in opposition to it and provides information that further identifies or defines it, and the antecedent is the noun phrase that the appositive describes. Then, if EntRec\({}^{l}(e_{2},\tau_{\text{2H}})\) reasonably approximates the internal recall of the bridge entity \(e_{2}\), it is expected that _there will be at least some layers \(l\) where increasing EntRec\({}^{l}(e_{2},\tau_{\text{2H}})\) increases the relative frequency of the LLM to generate \(e_{2}^{(0)}\) with a relative frequency higher than random chance_. [|assistant|]

일반 중국어 말뭉치의 10억 토큰 데이터를 활용하여 Llama-2-7b-chat에 대한 지속적인 사전 학습을 위해 간단한 접근 방식을 사용했습니다. 지속적 사전 학습 중 Learning Rate는 3e-5로 일정하게 유지되었으며, 어댑터 접근 방식에 대해서는 추가 Learning Rate 3e-4를 실험했습니다. 자세한 내용은 부록 B에서 확인할 수 있습니다.[|endofturn|]

일반 중국어 말뭉치의 10억 토큰 데이터를 활용하여 Llama-2-7b-chat에 대한 지속적인 사전 학습을 위해 간단한 접근 방식을 사용했습니다. 지속적 사전 학습 중 학습 속도는 3e-5로 일정하게 유지되었으며, 어댑터 접근 방식에 대해서는 추가 학습 속도 3e-4를 실험했습니다. 자세한 내용은 부록 B에서 확인할 수 있습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]We employed straightforward approaches for continual pre-training on Llama-2-7b-chat, utilizing the 1 billion tokens of data from general Traditional Chinese corpus. The learning rate during continual pre-training remained constant at 3e-5, and we experimented with an additional learning rate 3e-4 for the adapter approaches. More details can be found in Appendix B. [|assistant|]

LM1B 및 Wiki-40B의 유효성 검사 세트를 평가한 결과, NearDup-deduplicated C4에서 학습된 모델이 지속적으로 가장 낮은 Perplexity를 얻는다는 것을 발견했습니다(기본 모델을 사용한 LM1B 평가의 경우, 부록 그림 7 참조).[|endofturn|]

LM1B 및 Wiki-40B의 유효성 검사 세트를 평가한 결과, NearDup-deduplicated C4에서 학습된 모델이 지속적으로 가장 낮은 당혹감을 얻는다는 것을 발견했습니다(기본 모델을 사용한 LM1B 평가의 경우, 부록 그림 7 참조).[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]When evaluating on the validation sets of LM1B and Wiki-40B, we found that models trained on NearDup-deduplicated C4 consistently achieved lowest perplexity (for LM1B eval with base models, see Appendix Figure 7). [|assistant|]

제한된 리소스를 사용한 bootstrapping. 최근 일련의 연구에서는 언어 모델을 사용하여 특수한 방법을 사용하여 일부 추론을 bootstrapping하는 방법을 사용합니다. NPPPrompt Zhao 등(2022)은 Fine-tuning 없이 시맨틱 레이블에 대한 예측을 생성하는 방법을 제공합니다. 이 방법은 모델 자체의 임베딩을 사용하여 데이터 샘플의 레이블과 관련된 단어를 자동으로 찾아 모델 예측과 레이블(verbalizers) 간의 수동 매핑에 대한 의존도를 줄여줍니다. STAR Zelikman 등(2022)은 소수의 근거 예제와 근거가 없는 대규모 데이터 세트를 반복적으로 활용하여 추론을 수행하는 모델의 능력을 bootstrapping합니다. Self-Correction Welleck 등(2023)은 불완전한 기본 생성기(모델)와 불완전한 생성을 반복적으로 수정하는 방법을 학습하는 별도의 수정자를 분리하여 기본 생성기보다 개선된 성능을 입증합니다. 이 연구는 대신 Instruction 패러다임에서 새로운 작업을 bootstrapping하는 데 중점을 둡니다.[|endofturn|]

제한된 리소스를 사용한 부트스트랩핑.최근 일련의 연구에서는 언어 모델을 사용하여 특수한 방법을 사용하여 일부 추론을 부트스트랩하는 방법을 사용합니다. NPPPrompt Zhao 등(2022)은 미세 조정 없이 시맨틱 레이블에 대한 예측을 생성하는 방법을 제공합니다. 이 방법은 모델 자체의 임베딩을 사용하여 데이터 샘플의 레이블과 관련된 단어를 자동으로 찾아 모델 예측과 레이블(언어화) 간의 수동 매핑에 대한 의존도를 줄여줍니다. STAR Zelikman 등(2022)은 소수의 근거 예제와 근거가 없는 대규모 데이터 세트를 반복적으로 활용하여 추론을 수행하는 모델의 능력을 부트스트랩합니다. 자체 수정 Welleck 등(2023)은 불완전한 기본 생성기(모델)와 불완전한 생성을 반복적으로 수정하는 방법을 학습하는 별도의 수정자를 분리하여 기본 생성기보다 개선된 성능을 입증합니다. 이 연구는 대신 명령 패러다임에서 새로운 작업을 부트스트랩하는 데 중점을 둡니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Bootstrapping with limited resources.A series of recent works use language models to bootstrap some inferences using specialized methods. NPPPrompt Zhao et al. (2022) provides a method to generate predictions for semantic labels without any finetuning. It uses a model's own embeddings to automatically find words relevant to the label of the data sample and hence reduces the dependency on manual mapping from model prediction to label (verbalizers). STAR Zelikman et al. (2022) iteratively leverages a small number of rationale examples and a large dataset without rationales, to bootstrap a model's ability to perform reasoning. Self-Correction Welleck et al. (2023) decouples an imperfect base generator (model) from a separate corrector that learns to iteratively correct imperfect generations and demonstrates improvement over the base generator. Our work instead focuses on bootstrapping new tasks in the instruction paradigm. [|assistant|]

다른 모델 아키텍처의 경우, 100 노출 설정에서 Mistral, GPT2\({}_{0}\), GPT2\({}_{1/4}\)의 scaling laws는 그림 4에 나와 있습니다. 그림 4(c)는 게이트형 MLP를 사용하기 때문에 Mistral 아키텍처도 GPT2보다 성능이 저하되는 것을 확인할 수 있습니다. 그림 4(d)는 GPT2\({}_{1/4}\)의 MLP 레이어 크기를 4분의 1로 줄이면 모델 용량에 _무시할 수 있는 영향_을 미친다는 것을 보여줍니다. 그러나 GPT2\({}_{0}\)에서 MLP 레이어를 완전히 제거하면 모델 용량이 크게 감소하는 것으로 나타났습니다.[|endofturn|]

다른 모델 아키텍처의 경우, 100 노출 설정에서 Mistral, GPT2\({}_{0}\), GPT2\({}_{1/4}\)의 스케일링 법칙은 그림 4에 나와 있습니다. 그림 4(c)는 게이트형 MLP를 사용하기 때문에 Mistral 아키텍처도 GPT2보다 성능이 저하되는 것을 확인할 수 있습니다. 그림 4(d)는 GPT2\({}_{1/4}\)의 MLP 레이어 크기를 4분의 1로 줄이면 모델 용량에 _무시할 수 있는 영향_을 미친다는 것을 보여줍니다. 그러나 GPT2\({}_{0}\)에서 MLP 레이어를 완전히 제거하면 모델 용량이 크게 감소하는 것으로 나타났습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]For other model architectures, Mistral, GPT2\({}_{0}\), and GPT2\({}_{1/4}\), their scaling laws in the 100-exposure setting are presented in Figure 4. Figure 4(c) confirms that the Mistral architecture also underperforms GPT2 due to its use of gated MLP. Figure 4(d) reveals that reducing GPT2\({}_{1/4}\)'s MLP layer size by a quarter has a _negligible impact_ on model capacity. However, removing the MLP layers entirely in GPT2\({}_{0}\) significantly reduces the model's capacity, see Figure 4(e). [|assistant|]

모델 풍동 실험에 사용된 모델 configuration은 표 8에 나와 있다. 모델 깊이 대비 모델 폭인 모델의 "모양"은 잠재적인 성능 변화를 피하기 위해 가능한 한 유사하게 유지된다.[|endofturn|]

모델 풍동 실험에 사용된 모델 구성은 표 8에 나와 있다. 모델 깊이 대비 모델 폭인 모델의 "모양"은 잠재적인 성능 변화를 피하기 위해 가능한 한 유사하게 유지된다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]We list the model configuration used in the model wind tunnel experiments in Table 8. The "shape" of the model, i.e., model width compared to model depth is kept as similar as possible to avoid any potential performance variation. [|assistant|]

인간과 소통하는 뛰어난 능력으로 인해 ChatGPT는 출시 이후 AI 커뮤니티의 흥미를 불러일으켰습니다. ChatGPT는 특별히 최적화된 대화 기능을 갖춘 강력한 GPT 모델을 기반으로 개발되었습니다. ChatGPT와 GPT 모델에 대한 관심이 점점 더 커지고 있는 점을 고려하여, 지난 몇 년간 GPT 시리즈 모델의 기술적 진화에 대한 특별한 논의를 추가하여 그 발전 과정을 간략하게 요약합니다. 한편, 그림 4에 GPT 시리즈 모델의 기술적 진화를 보여주는 도식도를 그렸습니다. GPT 모델의 기본 원리는 언어 모델링을 통해 세계 지식을 decoder-only Transformer 모델로 압축하여 세계 지식의 의미를 복구(또는 기억)하고 범용 태스크 솔버로 활용할 수 있도록 하는 것입니다. 성공의 두 가지 핵심 요소는 (I) _다음 단어를 정확하게 예측할 수 있는_ decoder-only Transformer 언어 모델과 (II) _언어 모델의 크기 확장_입니다. 전체적으로 OpenAI의 LLM 연구는 크게 다음 단계로 나눌 수 있습니다13.[|endofturn|]

인간과 소통하는 뛰어난 능력으로 인해 ChatGPT는 출시 이후 AI 커뮤니티의 흥미를 불러일으켰습니다. ChatGPT는 특별히 최적화된 대화 기능을 갖춘 강력한 GPT 모델을 기반으로 개발되었습니다. ChatGPT와 GPT 모델에 대한 관심이 점점 더 커지고 있는 점을 고려하여, 지난 몇 년간 GPT 시리즈 모델의 기술적 진화에 대한 특별한 논의를 추가하여 그 발전 과정을 간략하게 요약합니다. 한편, 그림 4에 GPT 시리즈 모델의 기술적 진화를 보여주는 도식도를 그렸습니다. GPT 모델의 기본 원리는 언어 모델링을 통해 세계 지식을 디코더 전용 트랜스포머 모델로 압축하여 세계 지식의 의미를 복구(또는 기억)하고 범용 태스크 솔버로 활용할 수 있도록 하는 것입니다. 성공의 두 가지 핵심 요소는 (I) _다음 단어를 정확하게 예측할 수 있는_ 디코더 전용 트랜스포머 언어 모델과 (II) _언어 모델의 크기 확장_입니다. 전체적으로 OpenAI의 LLM 연구는 크게 다음 단계로 나눌 수 있습니다13.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Due to the excellent capacity in communicating with humans, ChatGPT has ignited the excitement of the AI community since its release. ChatGPT is developed based on the powerful GPT model with specially optimized conversation capacities. Considering the ever-growing interest in ChatGPT and GPT models, we add a special discussion about the technical evolution of the GPT-series models, to briefly summarize the progress how they have been developed in the past years. Meanwhile, we drew a schematic diagram depicting the technological evolution of the GPT-series models in Figure 4. The basic principle underlying GPT models is to compress the world knowledge into the decoder-only Transformer model by language modeling, such that it can recover (or memorize) the semantics of world knowledge and serve as a general-purpose task solver. Two key points to the success are (I) training decoder-only Transformer language models that can _accurately predict the next word_ and (II) _scaling up the size of language models_. Overall, the research of OpenAI on LLMs can be roughly divided into the following stages13. [|assistant|]

역 training은 \(N\) 샘플 \(\{x_{1},\dots,x_{N}\}\)이 있는 훈련 데이터 집합을 취하고 반전된 샘플 집합을 구성하는 것으로 구성됩니다.[|endofturn|]

역 훈련은 \(N\) 샘플 \(\{x_{1},\dots,x_{N}\}\)이 있는 훈련 데이터 집합을 취하고 반전된 샘플 집합을 구성하는 것으로 구성됩니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Reverse training consists of taking a training dataset with \(N\) samples \(\{x_{1},\dots,x_{N}\}\) and constructing the set of reversed samples [|assistant|]

위의 방법에서 이러한 전략은 quantization 성능을 개선하기 위해 공동으로 사용될 수 있습니다. 고효율 구현을 달성하기 위해 quantization 방법은 하드웨어 또는 시스템 수준 지원(_예: 효율적인 GPU 커널 또는 하드웨어 친화적인 그룹 파티션)에 의존합니다.[|endofturn|]

위의 방법에서 이러한 전략은 양자화 성능을 개선하기 위해 공동으로 사용될 수 있습니다. 고효율 구현을 달성하기 위해 양자화 방법은 하드웨어 또는 시스템 수준 지원(_예: 효율적인 GPU 커널 또는 하드웨어 친화적인 그룹 파티션)에 의존합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]These strategies in the above methods can be jointly used to improve the quantization performance. In order to achieve high-efficiency implementation, quantization methods also rely on hardware- or system-level support (_e.g.,_ efficient GPU kernels or hardware-friendly group partition). [|assistant|]

표 8은 Instructions-2M 데이터 세트에 포함된 prompt 데이터 세트의 세부 정보를 보여줍니다. Prompts는 사용자 prompt와 선택적 시스템 prompt의 연결입니다. T0 prompts는 평균 32.4단어로 가장 길다. Lamini prompts는 총 180만 개가 포함되어 있으며, 이는 훈련 데이터의 대부분을 차지합니다.[|endofturn|]

표 8은 Instructions-2M 데이터 세트에 포함된 프롬프트 데이터 세트의 세부 정보를 보여줍니다. 프롬프트는 사용자 프롬프트와 선택적 시스템 프롬프트의 연결입니다. T0 프롬프트는 평균 32.4단어로 가장 길다. 라미니 프롬프트는 총 180만 개가 포함되어 있으며, 이는 훈련 데이터의 대부분을 차지합니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Table 8 displays a breakdown of prompt datasets included in the Instructions-2M dataset. Prompts are the concatenation of the user prompt and an optional system prompt. T0 prompts are the longest, with an average of 32.4 words. Lamini prompts make up the majority of the training data, with a total of 1.8M included. [|assistant|]

그림 6에 자세히 설명된 우리의 연구 결과에 따르면, 오라클 문서만으로 Fine-tuning하면 더 많은 수의 산만 문서를 포함하는 구성에 비해 성능이 떨어지는 경우가 많습니다. 그림에서 볼 수 있듯이, 자연 질문의 경우 더 나은 성능은 \(D^{*}+3D\)로 훈련하고, 핫팟 QA는 \(D^{*}+1D\) 문서로 훈련하는 것입니다. 이 인사이트는 특히 우리의 알고리즘인 RAFT에 큰 도움이 되었습니다. 실험에서는 일반적으로 오라클 문서 하나와 산만 문서 4개로 구성된 훈련 설정을 사용합니다. 이 접근 방식은 모델이 산만 문서에 압도되지 않으면서도 관련 정보를 효과적으로 구별하고 우선순위를 지정하는 능력을 갖출 수 있도록 균형을 맞추는 것입니다.[|endofturn|]

그림 6에 자세히 설명된 우리의 연구 결과에 따르면, 오라클 문서만으로 미세 조정하면 더 많은 수의 산만 문서를 포함하는 구성에 비해 성능이 떨어지는 경우가 많습니다. 그림에서 볼 수 있듯이, 자연 질문의 경우 더 나은 성능은 \(D^{*}+3D\)로 훈련하고, 핫팟 QA는 \(D^{*}+1D\) 문서로 훈련하는 것입니다. 이 인사이트는 특히 우리의 알고리즘인 RAFT에 큰 도움이 되었습니다. 실험에서는 일반적으로 오라클 문서 하나와 산만 문서 4개로 구성된 훈련 설정을 사용합니다. 이 접근 방식은 모델이 산만 문서에 압도되지 않으면서도 관련 정보를 효과적으로 구별하고 우선순위를 지정하는 능력을 갖출 수 있도록 균형을 맞추는 것입니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Our findings, detailed in Fig. 6, reveal that finetuning with only the oracle document frequently results in inferior performance compared to configurations that include a greater number of distractor documents. As we can see in the figure, the better performance for Natural Questions is training with \(D^{*}+3D\) and it is \(D^{*}+1D\) documents with Hotpot QA. This insight has been particularly beneficial for our algorithm, RAFT. In our experiments, we typically employ a training setup consisting of one oracle document alongside four distractor documents. This approach strikes a balance, ensuring the model is not overwhelmed by distractors while still gaining the ability to effectively discern and prioritize relevant information. [|assistant|]

**출력** [[Retriev=Yes] <p>참조 [1]<p>I [IsRel] =Relevant] 세르게이 블라디미로비치 보드로프(1948년 6월 28일생)는 러시아 영화 감독, 시나리오 작가, 프로듀서입니다.[[IsNew] =Fully Supported[[Retriev=Continue]그는 러시아 모스크바에서 태어났습니다.[[Retriev=Continue]그는 러시아 영화 제작자 길드의 회장입니다.[IsNew] =5][|endofturn|]

**출력** [[Retriev=Yes] <p>참조 [1]<p>I [IsRel] =관련] 세르게이 블라디미로비치 보드로프(1948년 6월 28일생)는 러시아 영화 감독, 시나리오 작가, 프로듀서입니다.[[IsNew] =Fully Supported[[Retriev=Continue]그는 러시아 모스크바에서 태어났습니다.[[Retriev=Continue]그는 러시아 영화 제작자 길드의 회장입니다.[IsNew] =5][|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]**Output** [[Retriev=Yes] <p>Reference [1]<p>I [IsRel] =Relevant] Sergei Vladimirovich Bodrov (born June 28, 1948) is a Russian film director, screenwriter, and producer.[[IsNew] =Fully Supported[[Retriev=Continue]He was born in Moscow, Russia.[[Retriev=Continue]He is the president of the Russian Guild of Film Producers.[IsNew] =5] [|assistant|]

그림 4: \(N=\{1,4,16,64,128\}\)에 대한 최고의 \(N\) baseline. 약 64-128개의 샘플 이후 성능이 정체됩니다.[|endofturn|]

그림 4: N=\{1,4,16,64,128\}\)에 대한 최고의 \(N\) 기준선. 약 64-128개의 샘플 이후 성능이 정체됩니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]Figure 4: Best of \(N\) baseline for \(N=\{1,4,16,64,128\}\). Performance plateaus after roughly 64-128 samples. [|assistant|]

앞서 언급한 연구들은 소규모 모델과 Fine-tuning 시나리오에서 다중 모달 추론을 탐구하는 것으로, 우리는 이를 다중 모달 연쇄 추론 영역에서의 초기 노력으로 간주합니다. 우리는 In-Context Learning과 결합된 비디오 다중 모달 추론이 향후 연구의 초점이 되어야 한다고 생각합니다. 한편으로 비디오는 이미지에 비해 타고난 연쇄 관계를 가진 추가적인 시간적 정보를 도입합니다. 연쇄 추론을 통해 여러 프레임의 정보를 자연스럽게 연결하여 시간적 관계를 명시적으로 모델링할 수 있으며, 이는 비디오 다중 모달 추론에 매우 적합합니다. 다른 한편으로, 소형 모델은 용량이 제한되어 있어 연쇄 추론 능력을 갖추기 위해 Fine-tuning이 필요합니다. 더욱이 다중 모달 추론 체인을 획득하기 어려워 문제가 더욱 악화됩니다. 이에 비해 최신 비전 언어 기반 모델(VLM) Alayrac et al. (2022); Li et al. (2023); Wang et al. (2022); Huang et al. (2023); Peng et al. (2023); Yu et al. (2021)은 강력한 시각 언어 이해력을 갖추고 있으며, 텍스트와 이미지가 인터리브된 In-Context Learning이 이미 가능합니다. 이러한 모델은 In-Context Learning을 통한 연쇄 추론을 위한 탄탄한 기반을 제공합니다. 비디오 추론에 연쇄 추론을 활용하는 것은 아직 몇몇 연구만이 있는 미개척 영역입니다. CoMT(Hu et al., 2023)는 비디오 추론에 빠른 사고와 느린 사고를 결합하고 계획을 위한 트리 검색 전략을 도입하여 비디오 다중 모달 추론에 CoT를 최초로 적용했습니다.[|endofturn|]

앞서 언급한 연구들은 소규모 모델과 미세 조정 시나리오에서 다중 모달 추론을 탐구하는 것으로, 우리는 이를 다중 모달 연쇄 추론 영역에서의 초기 노력으로 간주합니다. 우리는 인 kontext 학습과 결합된 비디오 다중 모달 추론이 향후 연구의 초점이 되어야 한다고 생각합니다. 한편으로 비디오는 이미지에 비해 타고난 연쇄 관계를 가진 추가적인 시간적 정보를 도입합니다. 연쇄 추론을 통해 여러 프레임의 정보를 자연스럽게 연결하여 시간적 관계를 명시적으로 모델링할 수 있으며, 이는 비디오 다중 모달 추론에 매우 적합합니다. 다른 한편으로, 소형 모델은 용량이 제한되어 있어 연쇄 추론 능력을 갖추기 위해 미세 조정이 필요합니다. 더욱이 다중 모달 추론 체인을 획득하기 어려워 문제가 더욱 악화됩니다. 이에 비해 최신 비전 언어 기반 모델(VLM) Alayrac et al. (2022); Li et al. (2023); Wang et al. (2022); Huang et al. (2023); Peng et al. (2023); Yu et al. (2021)은 강력한 시각 언어 이해력을 갖추고 있으며, 텍스트와 이미지가 인터리브된 인 컨텍스트 학습이 이미 가능합니다. 이러한 모델은 인 컨텍스트 학습을 통한 연쇄 추론을 위한 탄탄한 기반을 제공합니다. 비디오 추론에 연쇄 추론을 활용하는 것은 아직 몇몇 연구만이 있는 미개척 영역입니다. CoMT(Hu et al., 2023)는 비디오 추론에 빠른 사고와 느린 사고를 결합하고 계획을 위한 트리 검색 전략을 도입하여 비디오 다중 모달 추론에 CoT를 최초로 적용했습니다.[|endofturn|]

[|system|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[|endofturn|] [|user|]The aforementioned studies explore multi-modal reasoning in small models and fine-tuning scenarios, which we regard as an initial endeavor in the realm of multi-modal chain-of-thought reasoning. We believe that video multi-modal reasoning combined with in-context learning should be the focus of future research. On the one hand, videos introduce additional temporal information with innate chaining relationships compared with images. Through chain-of-thought reasoning, the information in different frames can be naturally connected to explicitly model the temporal relationship, which is well-suited for video multi-modal reasoning. On the other hand, small models are capacity-limited and need fine-tuning to gain chain-of-thought ability. Worse still, multi-modal reasoning chains are difficult to obtain, which further exacerbates the challenge. In comparison, contemporary vision-language foundation models (VLMs) Alayrac et al. (2022); Li et al. (2023); Wang et al. (2022); Huang et al. (2023); Peng et al. (2023); Yu et al. (2021) have strong vision-language comprehension and are already capable of in-context learning with interleaved text and images. They provide a solid foundation for chain-of-thought reasoning with in-context learning. Utilizing chain-of-thought for video reasoning remains an unexplored territory with only a few studies. CoMT (Hu et al., 2023) combines fast-thinking and slow-thinking in video reasoning and introduces a tree search strategy for planning, which firstly applies CoT in video multi-modal reasoning. [|assistant|]