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.

FedCoT: Federated Chain-of-Thought Distillation for Large Language Models

Created by
  • Haebom
Category
Empty

저자

Tao Fan, Weijing Chen, Yan Kang, Guoqiang Ma, Hanlin Gu, Yuanfeng Song, Lixin Fan, Qiang Yang

개요

대규모 언어 모델(LLM)의 효율성 및 사용자 데이터 프라이버시 문제를 해결하기 위해, LLM에서 소규모 언어 모델(SLM)로의 Chain-of-Thought(CoT) 지식 증류를 위한 연합 학습 프레임워크인 FedCoT를 제안합니다. FedCoT는 고성능 서버의 LLM에서 자원 제약 클라이언트의 SLM으로 안전하고 효율적인 지식 전송을 보장하며, 사용자의 데이터 프라이버시를 유지합니다. perturbed prompt와 CoT를 통해 생성된 rationales를 활용하여 다중 작업 학습 환경에서 사용자 데이터 프라이버시를 보호하면서 클라이언트 SLM의 성능을 향상시킵니다. 두 가지 프라이버시 보호 전략(지수 메커니즘 전략 및 적응형 지수 메커니즘 전략)을 제안합니다. 다양한 텍스트 생성 작업에 대한 실험을 통해 FedCoT의 효과를 입증하고, 코드(FATE 오픈 소스 프로젝트)를 공개합니다.

시사점, 한계점

•
시사점:
◦
LLM의 지식을 SLM에 효과적으로 전달하여 자원 제약 환경에서의 SLM 성능 향상.
◦
연합 학습 및 프라이버시 보호 전략을 통해 사용자 데이터 프라이버시를 강화.
◦
다양한 텍스트 생성 작업에서 FedCoT의 성능 검증.
◦
오픈 소스 코드 공개를 통한 연구의 재현성 및 활용성 증대.
•
한계점:
◦
논문에서 구체적인 한계점에 대한 언급은 없음.
👍
Made with Slashpage