본 논문은 자연어 처리(NLP) 이상 탐지(AD)에서 대규모 언어 모델(LLM)의 활용 가능성을 연구한 내용을 담고 있다. AD-LLM이라는 벤치마크를 통해 LLM이 NLP 이상 탐지에 기여할 수 있는 세 가지 주요 과제를 탐구한다: (i) zero-shot 탐지, (ii) 데이터 증강, (iii) 모델 선택. 다양한 데이터셋을 사용하여 실험한 결과, LLM이 zero-shot AD에서 좋은 성능을 보이며, 신중하게 설계된 데이터 증강 방법이 유용함을 확인했다. 하지만 특정 데이터셋에 대한 모델 선택 설명은 여전히 어려운 과제로 남아있다.
시사점, 한계점
•
시사점:
◦
LLM은 zero-shot AD에서 효과적으로 활용될 수 있다.
◦
LLM 기반의 데이터 증강 기법은 AD 모델의 성능을 향상시킬 수 있다.
•
한계점:
◦
특정 데이터셋에 적합한 unsupervised AD 모델을 선택하는 데 LLM 활용은 아직 어려움이 있다.
