Sign In

ThoughtTrace: Understanding User Thoughts in Real-World LLM Interactions

μž‘μ„±μž
  • Haebom
μΉ΄ν…Œκ³ λ¦¬
Empty

μ €μž

Chuanyang Jin, Binze Li, Haopeng Xie, Cathy Mengying Fang, Tianjian Li, Shayne Longpre, Hongxiang Gu, Maximillian Chen, Tianmin Shu

πŸ’‘ κ°œμš”

이 μ—°κ΅¬λŠ” μ‚¬μš©μžκ°€ LLM과의 μ‹€μ œ λŒ€ν™”μ—μ„œ 무엇을 μƒκ°ν•˜λŠ”μ§€λ₯Ό ν¬μ°©ν•˜λŠ” 졜초의 λŒ€κ·œλͺ¨ 데이터셋인 ThoughtTraceλ₯Ό μ†Œκ°œν•©λ‹ˆλ‹€. ThoughtTraceλŠ” 1,058λͺ…μ˜ μ‚¬μš©μžμ™€ 20개의 μ–Έμ–΄ λͺ¨λΈ κ°„μ˜ 2,155개 λŒ€ν™”μ—μ„œ μˆ˜μ§‘λœ 10,174개의 생각 주석을 ν¬ν•¨ν•©λ‹ˆλ‹€. 이 데이터셋은 μ‚¬μš©μžμ˜ 생각과 μ‹€μ œ λŒ€ν™” λ‚΄μš©μ΄ κ΅¬λ³„λ˜λ©°, κΈ°μ‘΄ LLMμœΌλ‘œλŠ” μΆ”λ‘ ν•˜κΈ° μ–΄λ ΅λ‹€λŠ” 점을 보여주며, μ‚¬μš©μž 행동 예츑 및 κ°œμΈν™”λœ μ–΄μ‹œμŠ€ν„΄νŠΈ ν›ˆλ ¨μ— μœ μš©ν•¨μ„ μž…μ¦ν•©λ‹ˆλ‹€.

πŸ”‘ μ‹œμ‚¬μ  및 ν•œκ³„

β€’
μ‚¬μš©μžμ˜ '생각'을 λ°μ΄ν„°λ‘œ ν™œμš©ν•˜μ—¬ 인간-AI μƒν˜Έμž‘μš©μ˜ 인지적 역학을 μ΄ν•΄ν•˜λŠ” μƒˆλ‘œμš΄ κ°€λŠ₯성을 μ—΄μ—ˆμŠ΅λ‹ˆλ‹€.
β€’
ThoughtTrace 데이터셋은 μ‚¬μš©μž 행동 예츑 정확도λ₯Ό 높이고, κ°œμΈν™”λœ AI μ–΄μ‹œμŠ€ν„΄νŠΈ κ°œλ°œμ„ μœ„ν•œ μ •κ΅ν•œ μ •λ ¬ μ‹ ν˜Έλ₯Ό μ œκ³΅ν•©λ‹ˆλ‹€.
β€’
μˆ˜μ§‘λœ 생각 λ°μ΄ν„°μ˜ λ‹€μ–‘μ„±κ³Ό λ³΅μž‘μ„± λ•Œλ¬Έμ—, 이λ₯Ό 효과적으둜 λͺ¨λΈλ§ν•˜κ³  ν™œμš©ν•˜λŠ” 방법에 λŒ€ν•œ 좔가적인 연ꡬ가 ν•„μš”ν•©λ‹ˆλ‹€.
πŸ‘
Made with Slashpage