Visualization Biases MLLM's Decision Making in Network Data Tasks

Created by

Haebom

저자

Timo Brand, Henry Forster, Stephen G. Kobourov, Jacob Miller

개요

본 논문은 시각화가 MLLM(Multi-Lingual Large Model)의 네트워크 내 브릿지(bridge) 존재 유무 판단에 미치는 영향을 평가한다. 시각화 포함이 구조화된 텍스트 기반 입력보다 MLLM의 자신감을 향상시키는 것을 확인했다. 그러나, 표준 시각화 기법은 브릿지 존재 여부와 관계없이 MLLM의 응답에 강한 편향을 유발하는 것으로 나타났다.

시사점, 한계점

•

시사점:

◦

시각화는 MLLM의 판단에 영향을 미치고 자신감을 높일 수 있다.

◦

시각화를 활용하면 MLLM의 추론 능력을 향상시킬 수 있는 가능성이 있다.

•

한계점:

◦

표준 시각화 기법은 MLLM의 판단에 편향을 유발할 수 있다.

◦

시각화의 사용은 MLLM의 환각(hallucination)을 유발할 위험이 있다.

◦

생성형 AI 애플리케이션에서 시각화 사용 시 신중한 접근이 필요하다.

PDF 보기

Made with Slashpage