Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Active Layer-Contrastive Decoding Reduces Hallucination in Large Language Model Generation

Created by
  • Haebom

저자

Hongxiang Zhang, Hao Chen, Muhao Chen, Tianyi Zhang

개요

본 논문에서는 활성 계층 대조 디코딩(ActLCD)이라는 새로운 디코딩 전략을 제안합니다. 기존의 토큰 단위 디코딩 방식과 달리, ActLCD는 강화 학습 기반 정책을 사용하여 생성 과정 중 대조 계층을 적용할 시점을 동적으로 결정합니다. 보상 인식 분류기를 통해 사실성을 최적화함으로써, 긴 맥락에서의 환각(hallucination) 문제를 해결하고자 합니다. 다섯 가지 벤치마크 실험 결과, ActLCD는 기존 최첨단 방법들을 능가하는 성능을 보였습니다.

시사점, 한계점

•
시사점:
◦
토큰 단위를 넘어, 생성 과정 전반의 사실성을 향상시키는 새로운 디코딩 전략 제시.
◦
강화학습 기반의 동적 계층 적용을 통해 환각 문제 완화.
◦
다양한 생성 시나리오에서 기존 최고 성능 기법들을 능가하는 성능 입증.
•
한계점:
◦
제안된 방법의 계산 비용 및 효율성에 대한 추가적인 분석 필요.
◦
다양한 종류의 LLM과 데이터셋에 대한 일반화 성능 평가 필요.
◦
보상 인식 분류기의 설계 및 학습 과정에 대한 상세한 설명 부족.
👍
Made with Slashpage