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.

End-to-end Learning of Sparse Interventions on Activations to Steer Generation

Created by
  • Haebom
Category
Empty

저자

Pau Rodriguez, Michal Klein, Eleonora Gualdoni, Arno Blaas, Luca Zappella, Marco Cuturi, Xavier Suau

개요

본 논문은 생성 모델의 출력을 제어하기 위한 효율적인 메커니즘으로서 선형 엔드-투-엔드 활성화 조향(LinEAS)을 제안합니다. 기존의 활성화 조작 기반 방법들이 국소적인 조정으로 인해 예측 불가능한 결과를 초래하는 한계를 극복하기 위해, LinEAS는 모든 계층의 분포 차이를 동시에 고려하는 전역 손실 함수를 사용하여 학습됩니다. 또한, 희소성 규제를 통해 뉴런 및 계층 선택을 자동으로 수행하여 효율성을 높입니다. 실험 결과, LinEAS는 적은 수의 샘플만으로도 유해성 완화 등에서 기존 방법보다 우수한 성능을 보이며, 훨씬 복잡한 미세 조정 방식과 유사한 성능을 달성합니다. 텍스트-이미지 확산 모델에도 적용 가능성을 보여줍니다.

시사점, 한계점

•
시사점:
◦
생성 모델의 출력 제어를 위한 효율적이고 강건한 방법 제시 (적은 샘플로도 효과적).
◦
희소성 규제를 통한 자동적인 뉴런 및 계층 선택으로 효율성 증대.
◦
다양한 생성 모델(텍스트, 이미지)에 적용 가능성 제시.
◦
활성화 조작 간의 조합 가능성 확인.
•
한계점:
◦
본 논문에서 제시된 방법의 일반화 성능에 대한 추가적인 연구가 필요할 수 있음.
◦
다양한 유형의 생성 모델 및 다양한 제어 목표에 대한 추가적인 실험이 필요할 수 있음.
👍
Made with Slashpage