본 논문은 대규모 언어 모델(LLM)의 장기 복잡 대화 처리 능력의 취약성을 다룹니다. 기존 벤치마크의 한계를 지적하며, 다회차 운동 경기 실황 중계 텍스트를 활용하여 현실적인 대화를 구성한 새로운 벤치마크 MARS-Bench를 제시합니다. MARS-Bench는 초장기 대화, 상호작용적 다회차 대화, 교차 회차 작업 등 세 가지 측면을 평가하도록 설계되었습니다. 실험 결과, 폐쇄형 LLM이 오픈소스 LLM보다 성능이 우수하며, 명시적 추론이 장기 복잡 대화 처리의 강건성을 향상시키지만, 동기 전환 및 복잡한 교차 회차 의존성 처리에는 여전히 어려움을 겪는다는 것을 보여줍니다. 또한, Qwen2.5-7B-Instruction을 이용한 주의 시각화 실험을 통해 특수 토큰으로 인한 주의력 감소가 장기 복잡 대화 처리 성능 저하의 원인임을 밝힙니다.
시사점, 한계점
•
시사점:
◦
현실적인 장기 복잡 대화 평가를 위한 새로운 벤치마크 MARS-Bench 제시
◦
폐쇄형 LLM이 오픈소스 LLM보다 장기 복잡 대화 처리에 강하다는 사실 확인
◦
명시적 추론이 LLM의 장기 복잡 대화 처리 성능 향상에 기여
◦
LLM의 동기 전환 및 복잡한 교차 회차 의존성 처리에 대한 어려움 규명
◦
특수 토큰으로 인한 주의력 감소가 장기 대화 처리 성능 저하의 원인으로 제시
•
한계점:
◦
MARS-Bench가 운동 경기 실황 중계 텍스트에 기반하여 구성되었으므로, 다른 도메인의 대화에 대한 일반화 가능성은 제한적일 수 있음.