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.

Improving the Calibration of Confidence Scores in Text Generation Using the Output Distribution's Characteristics

Created by
  • Haebom

저자

Lorenzo Jaime Yu Flores, Ori Ernst, Jackie Chi Kit Cheung

개요

본 논문은 텍스트 생성 모델의 신뢰도 점수를 개선하는 새로운 방법을 제안합니다. 기존의 신뢰도 측정 방법은 텍스트 생성에서 여러 개의 타당한 결과가 존재할 수 있다는 점을 고려하지 못하는 한계가 있습니다. 따라서, 본 논문에서는 모델 출력과 관련된 확률에만 의존하여 추가적인 미세 조정이나 휴리스틱 없이도 생성에 적합한 과제 비의존적 신뢰도 측정 방법을 제안합니다. 제안된 방법을 사용하여 요약, 번역 및 질문응답 데이터셋에서 BART와 Flan-T5 모델의 신뢰도 보정을 향상시켰습니다. 잘 보정된 신뢰도 점수는 낮은 신뢰도를 가진 예측을 사용자가 검토하도록 유도하여 잘못되거나 위험한 예측을 방지하는 데 도움이 됩니다.

시사점, 한계점

•
시사점:
◦
텍스트 생성 모델의 신뢰도 보정을 향상시키는 새로운 과제 비의존적 방법 제시
◦
추가적인 미세 조정이나 휴리스틱 없이 모델 출력 확률만을 사용하여 신뢰도 측정 가능
◦
BART와 Flan-T5 모델의 요약, 번역, 질문응답 성능 개선
◦
낮은 신뢰도 예측에 대한 사용자 검토 유도를 통해 잘못되거나 위험한 예측 방지 가능
•
한계점:
◦
제안된 방법의 일반화 성능에 대한 추가적인 연구 필요
◦
다양한 텍스트 생성 모델 및 데이터셋에 대한 실험 확장 필요
◦
특정한 유형의 생성 과제에 대해서는 여전히 보정이 부족할 가능성 존재
👍
Made with Slashpage