Beyond Plain Demos: A Demo-centric Anchoring Paradigm for In-Context Learning in Alzheimer's Disease Detection
Created by
Haebom
Category
Empty
저자
Puzhen Su, Haoran Yin, Yongzhu Miao, Jintao Tang, Shasha Li, Ting Wang
개요
본 논문은 이야기 전사본에서 알츠하이머병(AD)을 탐지하는 문제를 해결하기 위해, 대규모 언어 모델(LLM)의 문맥 내 학습(ICL) 성능 향상에 초점을 맞춘 연구를 제시한다. 기존 ICL의 한계점인 획일적인 데모와 미세한 신호 감지 능력 부족을 지적하고, 데모의 다양성(context width)을 높이는 Diverse and Contrastive Retrieval(DCR)과 각 데모의 신호를 강화하는 Projected Vector Anchoring(PVA)을 결합한 DA4ICL 프레임워크를 제안한다. DA4ICL은 세 가지 AD 벤치마크에서 기존 ICL 및 task vector(TV) 기반 방법론 대비 우수한 성능을 보였다.
시사점, 한계점
•
시사점:
◦
알츠하이머병 탐지와 같은 OOD(out-of-distribution) 및 저자원 환경에서 LLM의 ICL 성능 향상을 위한 새로운 프레임워크 제시.
